論文の概要: Lane Graph Estimation for Scene Understanding in Urban Driving
- arxiv url: http://arxiv.org/abs/2105.00195v1
- Date: Sat, 1 May 2021 08:38:18 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-04 14:11:38.242005
- Title: Lane Graph Estimation for Scene Understanding in Urban Driving
- Title（参考訳）: 都市走行におけるシーン理解のためのレーングラフ推定
- Authors: Jannik Z\"urn, Johan Vertens, Wolfram Burgard
- Abstract要約: 鳥眼視画像から車線形状を推定する新しい手法を提案する。
人気のあるnuscenesデータセットから処理されたマルチモーダルバードズ・アイビューデータに基づくグラフ推定モデルをトレーニングする。
私達のモデルは最も評価される都市場面のための有望な性能を示し、自動運転のためのHD車線アノテーションの自動生成のステップとして役立つことができます。
- 参考スコア（独自算出の注目度）: 34.82775302794312
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Lane-level scene annotations provide invaluable data in autonomous vehicles
for trajectory planning in complex environments such as urban areas and cities.
However, obtaining such data is time-consuming and expensive since lane
annotations have to be annotated manually by humans and are as such hard to
scale to large areas. In this work, we propose a novel approach for lane
geometry estimation from bird's-eye-view images. We formulate the problem of
lane shape and lane connections estimation as a graph estimation problem where
lane anchor points are graph nodes and lane segments are graph edges. We train
a graph estimation model on multimodal bird's-eye-view data processed from the
popular NuScenes dataset and its map expansion pack. We furthermore estimate
the direction of the lane connection for each lane segment with a separate
model which results in a directed lane graph. We illustrate the performance of
our LaneGraphNet model on the challenging NuScenes dataset and provide
extensive qualitative and quantitative evaluation. Our model shows promising
performance for most evaluated urban scenes and can serve as a step towards
automated generation of HD lane annotations for autonomous driving.
- Abstract（参考訳）: レーンレベルのシーンアノテーションは、都市部や都市のような複雑な環境での軌道計画のために自動運転車に貴重なデータを提供する。
しかし、車線アノテーションを人間が手動で注釈付けする必要があるため、そのようなデータを取得するのに時間がかかり費用がかかる。
本研究では,鳥眼画像からレーン形状を推定する手法を提案する。
レーンアンカーポイントをグラフノードとし、レーンセグメントをグラフエッジとするグラフ推定問題として、レーン形状とレーン接続推定の問題を定式化する。
人気のあるnuscenesデータセットとそのマップ拡張パックから処理されたマルチモーダルバードズ・アイビューデータに基づくグラフ推定モデルをトレーニングする。
さらに、各レーンセグメントのレーン接続方向を、指向したレーングラフとなる別のモデルで推定する。
lanegraphnetモデルの性能を、難解なnuscenesデータセット上で説明し、広範囲な質的、定量的評価を提供する。
本モデルでは,ほとんどの都市シーンで有望な性能を示すとともに,自動運転のためのhdレーンアノテーションの自動生成への一歩として機能する。
関連論文リスト
- LMT-Net: Lane Model Transformer Network for Automated HD Mapping from Sparse Vehicle Observations [11.395749549636868]
Lane Model Transformer Network (LMT-Net) は、エンコーダとデコーダのニューラルネットワークアーキテクチャであり、ポリリン符号化を実行し、レーンペアとその接続性を予測する。
我々は、複数の車両観測と、地上真実(GT)としての人間のアノテーションからなる内部データセット上でのLMT-Netの性能を評価する。
論文 参考訳（メタデータ） (2024-09-19T02:14:35Z) - Prior Based Online Lane Graph Extraction from Single Onboard Camera
Image [133.68032636906133]
単眼カメラ画像からレーングラフをオンラインに推定する。
前者は、トランスフォーマーベースのWasserstein Autoencoderを通じてデータセットから抽出される。
オートエンコーダは、最初のレーングラフ推定を強化するために使用される。
論文 参考訳（メタデータ） (2023-07-25T08:58:26Z) - AutoGraph: Predicting Lane Graphs from Traffic Observations [35.73868803802196]
本稿では,交通参加者の動作パターンをレーングラフアノテーションとして利用することを提案する。
これらのトラックレットの位置に基づいて、後続車線グラフを初期位置から予測する。
その後の段階では、個々の後続予測を一貫したレーングラフに集約する方法を示す。
論文 参考訳（メタデータ） (2023-06-27T12:11:22Z) - Online Lane Graph Extraction from Onboard Video [133.68032636906133]
オンボードカメラからの映像ストリームを、周囲のレーングラフのオンライン抽出に使用しています。
入力が1つの画像ではなくビデオを使うことは、異なるタイムステップからの情報を組み合わせることのメリットと課題の両方をもたらす。
提案手法の1つのモデルでは、1つを含む任意の数の画像を処理し、正確なレーングラフを生成することができる。
論文 参考訳（メタデータ） (2023-04-03T12:36:39Z) - Learning and Aggregating Lane Graphs for Urban Automated Driving [26.34702432184092]
レーングラフ推定は、自動走行とHDマップ学習において不可欠で非常に困難な課題である。
本稿では,複数の重なり合うグラフを1つの一貫したグラフに集約する空中画像からレーングラフを推定する新しいボトムアップ手法を提案する。
大規模な都市レーングラフデータセットとコードをhttp://urbanlanegraph.cs.uni-freiburg.deで公開しています。
論文 参考訳（メタデータ） (2023-02-13T08:23:35Z) - DAGMapper: Learning to Map by Discovering Lane Topology [84.12949740822117]
我々は、分岐とマージによるトポロジー変化を含む多くのレーンを持つ複雑な高速道路のレーン境界を描くことに集中する。
グラフのノードがレーン境界の局所領域の幾何学的および位相的特性を符号化する有向非巡回グラフィカルモデル(DAG)における推論として問題を定式化する。
2つの異なる州における2つの幹線道路における我々のアプローチの有効性を示し、高い精度とリコールと89%の正しいトポロジーを示す。
論文 参考訳（メタデータ） (2020-12-22T21:58:57Z) - Road Scene Graph: A Semantic Graph-Based Scene Representation Dataset
for Intelligent Vehicles [72.04891523115535]
本稿では,車載用特別シーングラフである道路シーングラフを提案する。
オブジェクトの提案だけでなく、ペアワイドな関係も提供します。
それらをトポロジカルグラフで整理することで、これらのデータは説明可能であり、完全に接続され、GCNによって容易に処理できる。
論文 参考訳（メタデータ） (2020-11-27T07:33:11Z) - Learning Lane Graph Representations for Motion Forecasting [92.88572392790623]
生の地図データからレーングラフを構築し,地図構造を保存する。
我々は,アクター・トゥ・レーン,レーン・トゥ・レーン,レーン・トゥ・アクター,アクター・トゥ・アクターの4種類のインタラクションからなる融合ネットワークを利用する。
提案手法は,大規模Argoverse運動予測ベンチマークにおいて,最先端の手法を著しく上回っている。
論文 参考訳（メタデータ） (2020-07-27T17:59:49Z)
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。