Fugu-MT 論文翻訳(概要): Automatic Building and Labeling of HD Maps with Deep Learning

論文の概要: Automatic Building and Labeling of HD Maps with Deep Learning

arxiv url: http://arxiv.org/abs/2006.00644v1
Date: Mon, 1 Jun 2020 00:02:45 GMT
ステータス: 処理完了
システム内更新日: 2022-11-26 07:16:39.079565
Title: Automatic Building and Labeling of HD Maps with Deep Learning
Title（参考訳）: ディープラーニングを用いたHDマップの自動構築とラベル付け
Authors: Mahdi Elhousni, Yecheng Lyu, Ziming Zhang, Xinming Huang
Abstract要約: 生センサデータからラベル付きHDマップを生成する新しい手法を提案する。その結果,提案した深層学習に基づく手法は,高精度なHDマップを作成できることがわかった。
参考スコア（独自算出の注目度）: 18.9340830352492
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In a world where autonomous driving cars are becoming increasingly more common, creating an adequate infrastructure for this new technology is essential. This includes building and labeling high-definition (HD) maps accurately and efficiently. Today, the process of creating HD maps requires a lot of human input, which takes time and is prone to errors. In this paper, we propose a novel method capable of generating labelled HD maps from raw sensor data. We implemented and tested our methods on several urban scenarios using data collected from our test vehicle. The results show that the pro-posed deep learning based method can produce highly accurate HD maps. This approach speeds up the process of building and labeling HD maps, which can make meaningful contribution to the deployment of autonomous vehicle.
Abstract（参考訳）: 自動運転車がますます普及している世界では、この新しいテクノロジーに十分なインフラを作ることが不可欠だ。これにはHDマップを正確かつ効率的に構築・ラベル付けすることが含まれる。今日では、hdマップを作成するプロセスには多くの人間の入力が必要です。本稿では,生センサデータからラベル付きHDマップを生成する新しい手法を提案する。実験車両から収集したデータを用いて,いくつかの都市シナリオで提案手法を実装しテストした。その結果,提案手法により高精度なHDマップを作成できることがわかった。このアプローチは、HDマップの構築とラベル付けのプロセスを高速化する。

関連論文リスト

TopoSD: Topology-Enhanced Lane Segment Perception with SDMap Prior [70.84644266024571]
我々は、標準定義地図(SDMaps)を見るために知覚モデルを訓練することを提案する。我々はSDMap要素をニューラル空間マップ表現やインスタンストークンにエンコードし、先行情報のような補完的な特徴を組み込む。レーンセグメント表現フレームワークに基づいて、モデルはレーン、中心線、およびそれらのトポロジを同時に予測する。
論文参考訳（メタデータ） (2024-11-22T06:13:42Z)
DeepAerialMapper: Deep Learning-based Semi-automatic HD Map Creation for Highly Automated Vehicles [0.0]
高解像度空中画像からHDマップを作成するための半自動手法を提案する。提案手法では, ニューラルネットワークを訓練して, 空中画像をHDマップに関連するクラスに意味的に分割する。マップをLanelet2フォーマットにエクスポートすることで、さまざまなユースケースを簡単に拡張できる。
論文参考訳（メタデータ） (2024-10-01T15:05:05Z)
Augmenting Lane Perception and Topology Understanding with Standard Definition Navigation Maps [51.24861159115138]
Standard Definition (SD) マップは、より安価で、世界中でカバーでき、スケーラブルな代替手段を提供する。本稿では,オンライン地図予測にSDマップを統合する新しいフレームワークを提案し,Transformer を用いたエンコーダ SD Map Representations を提案する。この拡張は、現在の最先端のオンラインマップ予測手法におけるレーン検出とトポロジー予測を一貫して(最大60%まで)大幅に向上させる。
論文参考訳（メタデータ） (2023-11-07T15:42:22Z)
Online Map Vectorization for Autonomous Driving: A Rasterization Perspective [58.71769343511168]
より優れた感度を有し,現実の自律運転シナリオに適した,新化に基づく評価指標を提案する。また、精度の高い出力に微分可能化を適用し、HDマップの幾何学的監視を行う新しいフレームワークであるMapVR(Map Vectorization via Rasterization)を提案する。
論文参考訳（メタデータ） (2023-06-18T08:51:14Z)
THMA: Tencent HD Map AI System for Creating HD Map Annotations [12.554528330142732]
Tencent HD Map AI(THMA)システムは、エンドツーエンドのAIベースのアクティブラーニングHDマップラベリングシステムである。 THMAでは、教師付き、自己教師付き、弱教師付き学習を通じて、巨大なHDマップデータセットから直接AIモデルをトレーニングします。 Tencent MapのHDマップデータの90%以上がTHMAによって自動的にラベル付けされ、従来のHDマップのラベル付けプロセスが10倍以上加速する。
論文参考訳（メタデータ） (2022-12-14T08:36:31Z)
High-Definition Map Generation Technologies For Autonomous Driving: A Review [0.0]
ハイデフィニション(HD)マップは近年多くの注目を集めている。本稿では,2次元地図と3次元地図の両方を利用した最近のHDマップ生成技術についてレビューする。
論文参考訳（メタデータ） (2022-06-11T02:32:11Z)
HDMapNet: An Online HD Map Construction and Evaluation Framework [23.19001503634617]
HDマップの構築は自動運転にとって重要な問題である。従来のHDマップは、多くのシナリオでは信頼性の低いセンチメートルレベルの正確な位置決めと結合している。オンライン地図学習は、自動運転車に先立って意味と幾何学を提供するための、よりスケーラブルな方法である。
論文参考訳（メタデータ） (2021-07-13T18:06:46Z)
HDMapGen: A Hierarchical Graph Generative Model of High Definition Maps [81.86923212296863]
HDマップは道路路面の正確な定義と交通ルールの豊富な意味を持つ地図である。実際の道路トポロジやジオメトリはごくわずかで、自動運転スタックをテストする能力は著しく制限されています。高品質で多様なHDマップを生成可能な階層グラフ生成モデルであるHDMapGenを提案する。
論文参考訳（メタデータ） (2021-06-28T17:59:30Z)
Trajectory Prediction for Autonomous Driving with Topometric Map [10.831436392239585]
最先端の自動運転システムは、ローカライゼーションとナビゲーションのための高定義(HD)マップに依存している。マップレス自動運転のためのエンドツーエンドトランスネットワークベースのアプローチを提案する。
論文参考訳（メタデータ） (2021-05-09T08:16:16Z)
MP3: A Unified Model to Map, Perceive, Predict and Plan [84.07678019017644]
MP3は、入力が生のセンサーデータと高レベルのコマンドであるマップレス運転に対するエンドツーエンドのアプローチである。提案手法は, より安全で, 快適であり, 長期クローズループシミュレーションにおいて, ベースラインよりもコマンドを追従できることを示す。
論文参考訳（メタデータ） (2021-01-18T00:09:30Z)
HDNET: Exploiting HD Maps for 3D Object Detection [99.49035895393934]
高精細度(hd)マップは、現代の3dオブジェクト検出器の性能と頑健性を高める強力な事前情報を提供する。我々はHDマップから幾何学的特徴と意味的特徴を抽出する単一ステージ検出器を設計する。地図は至る所では利用できないため、生のLiDARデータからフライ時の地図を推定するマップ予測モジュールも提案する。
論文参考訳（メタデータ） (2020-12-21T21:59:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。