Traffic Scene Perception for Automated Driving with Top-View Grid Maps

Ein automatisiertes Fahrzeug muss sichere, sinnvolle und schnelle Entscheidungen auf Basis seiner Umgebung treffen.
Dies benötigt ein genaues und recheneffizientes Modell der Verkehrsumgebung.
Mit diesem Umfeldmodell sollen Messungen verschiedener Sensoren fusioniert, gefiltert und nachfolgenden Teilsysteme als kompakte, aber aussagekräftige Information bereitgestellt werden.

Diese Arbeit befasst sich mit der Modellierung der Verkehrsszene auf Basis von Top-View Grid Maps.
Im Vergleich zu anderen Umfeldmodellen ermöglichen sie eine frühe Fusion von Distanzmessungen aus verschiedenen Quellen mit geringem Rechenaufwand sowie eine explizite Modellierung von Freiraum.
... mehr

Nach der Vorstellung eines Verfahrens zur Bodenoberflächenschätzung, das die Grundlage der Top-View Modellierung darstellt, werden Methoden zur Belegungs- und Elevationskartierung für Grid Maps auf Basis von mehreren, verrauschten, teilweise widersprüchlichen oder fehlenden Distanzmessungen behandelt.
Auf der resultierenden, sensorunabhängigen Repräsentation werden anschließend Modelle zur Detektion von Verkehrsteilnehmern sowie zur Schätzung von Szenenfluss, Odometrie und Tracking-Merkmalen untersucht.

Untersuchungen auf öffentlich verfügbaren Datensätzen und einem Realfahrzeug zeigen, dass Top-View Grid Maps durch on-board LiDAR Sensorik geschätzt und verlässlich sicherheitskritische Umgebungsinformationen wie Beobachtbarkeit und Befahrbarkeit abgeleitet werden können.
Schließlich werden Verkehrsteilnehmer als orientierte Bounding Boxen mit semantischen Klassen, Geschwindigkeiten und Tracking-Merkmalen aus einem gemeinsamen Modell zur Objektdetektion und Flussschätzung auf Basis der Top-View Grid Maps bestimmt.

An automated driving system needs to make safe, reasonable and quick decisions based on its surroundings.
This requires an accurate and computationally inexpensive model of the traffic environment.
Using this model, measurements of multiple sensors are fused, filtered and forwarded to subsequent systems in a condensed but meaningful way.

This work concludes research on top-view grid maps as one way to model the traffic scene.
Compared to other environment models, top-view grid maps enable early-stage range sensor data fusion at low computational cost and an explicit modeling of free-space.
... mehr

After we revisited ground surface estimation from range sensors as a prerequisite for top-view modeling, we present methods for occupancy and elevation grid mapping from multiple noisy, possibly contradicting or missing range sensor measurements.
Given the resulting sensor-agnostic representation, we then investigate models for traffic participant detection as well as scene flow, odometry and tracking feature estimation.

Experiments on publicly available data sets and our experimental vehicle show that we are able to reliably estimate safety-critical information such as the observability and drivability from top-view grid maps estimated from on-board LiDAR sensors.
In addition, we are able to estimate traffic participants as oriented bounding boxes with semantic classes, velocities and tracking features from a joint grid map-based object detection and scene flow estimation.