要約
自律走行車は周囲環境を正確に認識するため、センサーに大きく依存している。しかし、現状の技術レベルでは、車両が利用するデータは自車のセンサーからのものに限定されている。車両間および／またはエッジサーバー間でのデータ共有は、利用可能なネットワーク帯域幅および自律走行アプリケーションに求められる厳格なリアルタイム制約によって制限されている。こうした課題に対処するため、本研究では、接続型自律走行車を対象に、点群特徴に基づく協調認識フレームワーク（F-Cooper）を提案する。この手法により、物体検出精度の向上を実現する。特徴量ベースのデータは学習プロセスにおいて十分な情報を提供するとともに、特徴量自体が極めて小さく、ネットワークの混雑を引き起こすことなくリアルタイムなエッジコンピューティングを実現できる。実験結果から、特徴量の融合により、20メートル以内の検出精度が約10％向上し、より遠方の距離では30％の向上が達成された。また、特定の特徴量選択においては、通信遅延が低く、エッジコンピューティングが71ミリ秒で実現可能であることが明らかになった。本研究の知見によれば、本稿は、物体検出の向上を目的として接続型自律走行車に特徴レベルのデータ統合を導入した初めての試みであり、車両間データに対するリアルタイムなエッジコンピューティングの実現可能性を示した。