核心概念
自動車レーダーデータにはマルチパス反射によるゴーストオブジェクトが多数存在し、これらが誤検知の主要な原因となっている。本研究では、詳細な手動アノテーションを施したデータセットを公開し、ゴーストオブジェクトの検出と抑制に関する手法を提案・評価する。
要約
本研究では、自動運転システムに不可欠なレーダーセンサーにおけるゴーストオブジェクトの問題に取り組む。レーダーセンサーは悪天候下でも高い頑健性を持つが、その大波長特性により多くの表面がミラー反射を引き起こし、マルチパス反射によるゴーストオブジェクトが発生する。これらのゴーストオブジェクトは誤検知の主要な原因となっている。
本研究では、詳細な手動アノテーションを施したデータセットを公開する。このデータセットには、様々なタイプのゴーストオブジェクトが含まれており、ゴーストオブジェクトの検出と抑制に関する研究を促進することが期待される。
具体的には、以下の貢献を行う:
既存のデータセットにゴーストオブジェクトの詳細なアノテーションを追加
追加のシーケンスと合成シーケンスを公開
データセットの分析と、ラベリングプロセスの詳細を提供
PointNet++ベースのセマンティックセグメンテーションと、SGPN(Similarity Group Proposal Network)ベースのインスタンスセグメンテーションの2つの手法を提案・評価
ゴーストオブジェクトがオブジェクト検出に与える影響を分析
統計
111個のシーケンスに合計約3500万点のレーダーポイントがアノテーションされている
そのうち約10万点がゴーストオブジェクト、約60万点が実物体に対応
主なアノテーションクラスは、歩行者、自転車、車、トラック、オートバイ、マルチパス反射(タイプ1/2、2次/3次)など
引用
"レーダーセンサーは、悪天候下でも高い頑健性を持つが、その大波長特性により多くの表面がミラー反射を引き起こし、マルチパス反射によるゴーストオブジェクトが発生する。"
"ゴーストオブジェクトは誤検知の主要な原因となっている。"