Картографирование линейных признаков дороги с обратной моделью наблюдения детектора

Картографирование линейных признаков дороги с обратной моделью наблюдения детектора

Шипитько Олег Cергеевич
Институт проблем передачи информации им. А.А. Харкевича Российской академии наук (ИППИ РАН), м.н.с., 127051, Москва, Большой Каретный переулок, д. 19, стр. 1, тел.: +7(964)509-27-21, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.

Кабаков Анатолий Евгеньевич
ИППИ РАН, стажер-исследователь, 127051, Москва, Большой Каретный переулок, д. 19, стр. 1, тел.: +7(985)305-94-62, Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.


Материал поступил в редакцию 16 июня 2021 года.

Аннотация

В работе предложен алгоритм картографирования линейных признаков, детектируемых на дорожном полотне – линий дорожной разметки, бордюров, границ дороги. Алгоритм основывается на методе картографирования с обратной моделью наблюдения. Предложена обратная модель наблюдения, учитывающая пространственную ошибку детектора линейных признаков. Исследовано влияние различных параметров модели на результирующее качество картографирования линейных признаков. Алгоритм картографирования был протестирован на данных, записанных на беспилотном транспортном средстве при движение по тестовому полигону. Качество алгоритма картографирования оценивалось по нескольким показателям качества, известным из литературы. Дополнительно, задача картографирования рассматривалась как задача бинарной классификации, в которой каждая ячейка карты может содержать или не содержать искомый признак, а для оценки качества применялись ROC-кривая и AUC-ROC метрика. В качестве наивного решения была построена карта, содержащая все задетектированные линейные признаки без какой-либо дополнительной фильтрации. Для карты, построенной на основе исходных данных, AUC-ROC составила 0.75, а в результате применения алгоритма было достигнуто значение 0.81. Результаты экспериментов подтвердили, что предложенный алгоритм позволяет эффективно фильтровать шумы и ложные срабатывания детектора, что подтверждает применимость предложенного алгоритма и обратной модели наблюдения для решения практических задач.

Ключевые слова
Линейные признаки, картографирование, обратная модель наблюдения, карта дороги, автономный автомобиль, цифровая карта дороги.

DOI
https://doi.org/10.31776/RTCJ.9307

Индекс УДК 
004.942

Библиографическое описание
Шипитько О.С. Картографирование линейных признаков дороги с обратной моделью наблюдения детектора / О.С. Шипитько, А.Е. Кабаков // Робототехника и техническая кибернетика. – Т. 9. - №3. – Санкт-Петербург : ЦНИИ РТК. – 2021. – С. 214-224. – Текст : непосредственный.

Литература

  1. Система позиционирования внутри зданий мобильной робототехнической платформы на основе детекции краев / М. П. Абрамов, О. С. Шипитько, А. С. Лукоянов [и др.] // Сенсорные системы. — 2019. — № 33(1). — С. 30-43. — DOI: 10.1134/S0235009219010025. – Текст: непосредственный.

  2. A path planning algorithm based on fusing lane and obstacle map / Hao Zhu, Mengyin Fu,Yi Yang [et al] // 17th International IEEE Conference on Intelligent Transportation Systems (ITSC). – IEEE, 2014. – pp. 1442-1448. – DOI: 10.1109/ITSC.2014.6957889. – Text: unmediated.

  3. Kibalov V. Safe Speed Control and Collision Probability Estimation Under Ego-Pose Uncertainty for Autonomous Vehicle / O. Shipitko // 23rd International IEEE Conference on Intelligent Transportation Systems (ITSC). – IEEE, 2020. – pp. 1–6. – DOI: 10.1109/ITSC45102.2020.9294531. – Text: unmediated.

  4. A high-definition map framework for the future of automated driving / Fabian Poggenhans, Jan-Hendrik Pauls, Johannes Janosovits [et al] // 21st International IEEE Conference on Intelligent Transportation Systems (ITSC). – IEEE, 2018. – pp. 1672-1679. – DOI: 10.1109/ITSC.2018.8569929. – Text: unmediated.

  5. Ground Vehicle Standard J3016_201609. Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicles. – 2014. – vol. 3016. – pp. 1-16.

  6. Automated Annotation of Lane Markings Using LIDAR and Odometry / Javier Barandiarán, Marcos Nieto, Andoni Cortes [et al] // IEEE Transactions on Intelligent Transportation Systems (IEEE T INTELL TRANSP). – 2020. – pp. 1-11. – DOI: 10.1109/TITS.2020.3031921. – Text: unmediated.

  7. Elfes A. Occupancy grids: A probabilistic framework for robot perception and navigation dissertation … Ph.D. in Electrical and Computing Engineering / Alberto Elfes; Carnegie Mellon University. – Pitsburgh, 1991. – Text: unmediated.

  8. Moravec H.P. Sensor fusion in certainty grids for mobile robots / H.P. Moravec // Sensor devices and systems for robotics. – Springer, Berlin, Heidelberg, 1989. – pp. 253-276. – DOI: 10.1007/978-3-642-74567-6_19. – Text: unmediated.

  9. Moravec H. High resolution maps from wide angle sonar / H. Moravec, A. Elfes // Proceedings.1985 IEEE international conference on robotics and automation. – 1985. – vol. 2. – pp. 116-121. – DOI: 10.1109/ROBOT.1985.1087316. – Text: unmediated.

  10. Thrun S. Learning occupancy grid maps with forward sensor models / S. Thrun // Autonomous robots. – 2003. – vol. 15. – pp. 111-127. – DOI: 10.1023/A:1025584807625 – Text: unmediated.

  11. Thrun S. Learning occupancy grids with forward models / S. Thrun // Proceedings. 2001 IEEE/RSJ International Conference on Intelligent Robots and Systems. Expanding the Societal Role of Robotics in the the Next Millennium (Cat. No. 01CH37180). – IEEE, 2001. – vol. 3. – pp. – Text: unmediated.

  12. Korthals T. Towards inverse sensor mapping in agriculture / T. Korthals, M. Kragh, P. Christiansen, U. Rückert // arXiv preprint arXiv:1805.08595. – 2018 (дата обращения: 15.07.2021). – Text: electronic.

  13. Video based localization for bertha / J. Ziegler, H. Lategahn, M. Schreiber // 2014 IEEE Intelligent Vehicles Symposium Proceedings. – IEEE, 2014. – pp. 1231-1238. – Text: unmediated.

  14. Konrad M. Localization in digital maps for road course estimation using grid maps / M. Konrad, D. Nuss, K. Dietmayer // 2012 IEEE Intelligent Vehicles Symposium. – IEEE, 2012. – pp. 87-92. – Text: unmediated.

  15. ГОСТ Р 51256-2018. Технические средства организации дорожного движения. Разметка дорожная. Классификация. Технические требования = Traffic control devices. Road marking. Classification. Technical requirements : национальный стандарт Российской Федерации : издание официальное : утвержден и введен в действие Приказом Федерального агентства по техническому регулированию и метрологии от 20 февраля 2018 г. N 81-ст : введен взамен ГОСТ Р 51256-2011 : дата введения 2018-06-01 / разработан Обществом с ограниченной ответственностью «Центр инженерно-технических исследований «Дорконтроль» (ООО «ЦИТИ «Дорконтроль») : внесен техническими комитетами по стандартизации ТК 278 «Безопасность дорожного движения» и ТК 418 «Дорожное хозяйство». – АО «Кодекс». – URL: https://docs.cntd.ru/document/1200158480 (дата обращения 15.07.2021). – Текст: электронный.

  16. Панфилова E. И. Использование оконного преобразования Хафа для поиска протяженных границ на изображении / E. И. Панфилова, И. А. Кунина // Сенсорные системы. – 2020. – т. 34. – № 4. – С. 247–261. DOI: 10.31857/S0235009220030075. – Текст: непосредственный.

  17. Algorithm for computer control of a digital plotter / J.E. Bresenham // IBM Systems journal. – 1965. – vol. 4. – №. 1. – pp. 25-30. – Text: unmediated.

  18. Collins T. Occupancy grid mapping: An empirical evaluation / T. Collins, J.J. Collins, D. Ryan // 2007 Mediterranean Conference on Control & Automation. – IEEE, 2007. – С. 1-6. – DOI: 10.1109/MED.2007.4433772. – Text: unmediated.

  19. Martin M. C. Robot Evidence Grids / M.C. Martin, H.P. Moravec. — Pittsburgh : The Robotics Institute Carnegie Mellon University, 1996. — Text: unmediated.

  20. Kim S. Building occupancy maps with a mixture of Gaussian processes / S. Kim, J. Kim // 2012 IEEE International Conference on Robotics and Automation. – IEEE, 2012. – pp. 4756-4761. – DOI: 10.1109/ICRA.2012.6225355. – Text: unmediated.

  21. Panfilova E. Fast Hough transform-based road markings detection for autonomous vehicle / E. Panfilova, O. Shipitko, I. Kunina // Thirteenth International Conference on Machine Vision: Proceedings. – Vol. 11605; 2021. – DOI: 10.1117/12.2587615 (accessed: 15.07.2021). – Text: electronic.

Адрес редакции:  Россия, 194064, Санкт-Петербург, Тихорецкий пр., 21   Тел.: +7(812) 552-13-25 e-mail: zheleznyakov@rtc.ru 
fb1    vk1