Fugu-MT 論文翻訳(概要): Probabilistic Semantic Mapping for Urban Autonomous Driving Applications

論文の概要: Probabilistic Semantic Mapping for Urban Autonomous Driving Applications

arxiv url: http://arxiv.org/abs/2006.04894v2
Date: Fri, 11 Sep 2020 17:29:49 GMT
ステータス: 処理完了
システム内更新日: 2022-11-24 02:10:05.291140
Title: Probabilistic Semantic Mapping for Urban Autonomous Driving Applications
Title（参考訳）: 都市自律走行のための確率論的意味マッピング
Authors: David Paz, Hengyuan Zhang, Qinru Li, Hao Xiang, Henrik Christensen
Abstract要約: 本研究では,道路,歩道,横断歩道,車線などの静的なランドマークの自動的かつ正確なラベル付けを行うために,画像と予め構築した点クラウドマップ情報を融合することを提案する。本手法は,2次元画像のセマンティックセグメンテーションを行い,意味ラベルとポイント・クラウド・マップを関連づけて世界を正確にローカライズし,混乱行列の定式化を利用して,鳥の眼球面の確率論的セマンティック・マップを意味点・クラウドから構築する。
参考スコア（独自算出の注目度）: 1.181206257787103
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recent advancements in statistical learning and computational abilities have enabled autonomous vehicle technology to develop at a much faster rate. While many of the architectures previously introduced are capable of operating under highly dynamic environments, many of these are constrained to smaller-scale deployments, require constant maintenance due to the associated scalability cost with high-definition (HD) maps, and involve tedious manual labeling. As an attempt to tackle this problem, we propose to fuse image and pre-built point cloud map information to perform automatic and accurate labeling of static landmarks such as roads, sidewalks, crosswalks, and lanes. The method performs semantic segmentation on 2D images, associates the semantic labels with point cloud maps to accurately localize them in the world, and leverages the confusion matrix formulation to construct a probabilistic semantic map in bird's eye view from semantic point clouds. Experiments from data collected in an urban environment show that this model is able to predict most road features and can be extended for automatically incorporating road features into HD maps with potential future work directions.
Abstract（参考訳）: 統計学習と計算能力の最近の進歩により、自動運転車の技術はより高速に開発できるようになった。以前導入されたアーキテクチャの多くは、非常にダイナミックな環境で動作可能であるが、これらの多くは、小規模のデプロイメントに制約されており、高定義(HD)マップと関連するスケーラビリティコストのために、常にメンテナンスを必要とする。この問題に対処するために,道路,歩道,横断歩道,車線などの静的ランドマークの自動的かつ正確なラベル付けを行うために,画像と予め構築した点クラウドマップ情報を融合する手法を提案する。 2d画像上で意味セマンティクスセグメンテーションを行い、セマンティックラベルをポイントクラウドマップと関連付けて、世界を正確にローカライズし、混乱行列の定式化を利用して、セマンティクスポイントクラウドからバードアイビュー内の確率論的意味マップを構築する。都市環境から収集されたデータから、このモデルはほとんどの道路特徴を予測でき、将来の作業方向の可能性のあるhdマップに道路機能を自動的に組み込むために拡張することができる。

関連論文リスト

Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
論文参考訳（メタデータ） (2024-10-10T10:10:03Z)
Driving with Prior Maps: Unified Vector Prior Encoding for Autonomous Vehicle Mapping [18.97422977086127]
高精細マップ(HDマップ)は、自動運転車の正確なナビゲーションと意思決定に不可欠である。オンボードセンサーを用いたHDマップのオンライン構築が,有望なソリューションとして浮上している。本稿では,事前マップのパワーを活用して,これらの制約に対処するPresidedDriveフレームワークを提案する。
論文参考訳（メタデータ） (2024-09-09T06:17:46Z)
Snapshot: Towards Application-centered Models for Pedestrian Trajectory Prediction in Urban Traffic Environments [9.025558624315817]
Snapshotはフィードフォワードニューラルネットワークで、芸術の現在の状態をはるかに少ない情報を利用して上回る。 Snapshotをモジュラー自動運転ソフトウェアスタックに統合することで、現実の応用性を示す。
論文参考訳（メタデータ） (2024-09-03T15:15:49Z)
Video Killed the HD-Map: Predicting Multi-Agent Behavior Directly From Aerial Images [14.689298253430568]
本稿では,最小限のアノテーションを必要とする航空画像ベースマップ(AIM)の表現を提案し,歩行者や車両などの交通機関に道路状況情報を提供する。以上の結果から,特にAIM表現を用いた歩行者の競合的マルチエージェント軌道予測性能が示された。
論文参考訳（メタデータ） (2023-05-19T17:48:01Z)
csBoundary: City-scale Road-boundary Detection in Aerial Images for High-definition Maps [10.082536828708779]
都市規模での道路境界の自動検出のためのcsBoundaryを提案する。筆者らのネットワークは航空画像パッチを入力として,この画像から直接連続的な道路境界グラフを推定する。私たちのcsBoundaryは、公開ベンチマークデータセットで評価され、比較されます。
論文参考訳（メタデータ） (2021-11-11T02:04:36Z)
Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense Forest Canopy [48.51396198176273]
本研究では,大規模自律飛行とリアルタイムセマンティックマッピングを,挑戦的なアンダーキャノピー環境下で実現可能な統合システムを提案する。我々は、スキャン全体で関連付けられ、木のトランクモデルと同様にロボットのポーズを制約するために使用されるLiDARデータから、木の幹と地面の平面を検出し、モデル化する。ドリフト補償機構は、プランナー最適性とコントローラ安定性を維持しつつ、セマンティックSLAM出力を用いたドリフトをリアルタイムで最小化するように設計されている。
論文参考訳（メタデータ） (2021-09-14T07:24:53Z)
NEAT: Neural Attention Fields for End-to-End Autonomous Driving [59.60483620730437]
本稿では、模倣学習モデルの効率的な推論を可能にする新しい表現であるNEAT(NEural Attention Field)を提案する。 NEATは、Bird's Eye View (BEV) シーン座標の位置をウェイポイントとセマンティクスにマッピングする連続関数である。有害な環境条件や挑戦的なシナリオを含む新たな評価環境では、NEATはいくつかの強いベースラインを上回り、特権のあるCARLA専門家と同等の運転スコアを達成している。
論文参考訳（メタデータ） (2021-09-09T17:55:28Z)
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)
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)
Radar-based Dynamic Occupancy Grid Mapping and Object Detection [55.74894405714851]
近年、古典的占有グリッドマップのアプローチが動的占有グリッドマップに拡張されている。本稿では,従来のアプローチのさらなる発展について述べる。複数のレーダセンサのデータを融合し、グリッドベースの物体追跡・マッピング手法を適用する。
論文参考訳（メタデータ） (2020-08-09T09:26:30Z)
Physically constrained short-term vehicle trajectory forecasting with naive semantic maps [6.85316573653194]
本稿では,エージェントの一般的な動きだけでなく,意味地図から関連する道路特徴を抽出する学習モデルを提案する。我々は,道路境界を考慮した将来の動きを予測できるだけでなく,当初の訓練よりも長い時間的地平線の軌道を効果的かつ正確に予測できることを示した。
論文参考訳（メタデータ） (2020-06-09T09:52:44Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。