論文の概要: csBoundary: City-scale Road-boundary Detection in Aerial Images for
High-definition Maps
- arxiv url: http://arxiv.org/abs/2111.06020v1
- Date: Thu, 11 Nov 2021 02:04:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-12 15:03:05.261317
- Title: csBoundary: City-scale Road-boundary Detection in Aerial Images for
High-definition Maps
- Title（参考訳）: csBoundary:高精細地図のための航空画像における都市規模道路境界検出
- Authors: Zhenhua Xu, Yuxuan Liu, Lu Gan, Xiangcheng Hu, Yuxiang Sun, Lujia
Wang, Ming Liu
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 10.082536828708779
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High-Definition (HD) maps can provide precise geometric and semantic
information of static traffic environments for autonomous driving.
Road-boundary is one of the most important information contained in HD maps
since it distinguishes between road areas and off-road areas, which can guide
vehicles to drive within road areas. But it is labor-intensive to annotate road
boundaries for HD maps at the city scale. To enable automatic HD map
annotation, current work uses semantic segmentation or iterative graph growing
for road-boundary detection. However, the former could not ensure topological
correctness since it works at the pixel level, while the latter suffers from
inefficiency and drifting issues. To provide a solution to the aforementioned
problems, in this letter, we propose a novel system termed csBoundary to
automatically detect road boundaries at the city scale for HD map annotation.
Our network takes as input an aerial image patch, and directly infers the
continuous road-boundary graph (i.e., vertices and edges) from this image. To
generate the city-scale road-boundary graph, we stitch the obtained graphs from
all the image patches. Our csBoundary is evaluated and compared on a public
benchmark dataset. The results demonstrate our superiority. The accompanied
demonstration video is available at our project page
\url{https://sites.google.com/view/csboundary/}.
- Abstract（参考訳）: high-definition(hd)マップは、自動運転のための静的交通環境の正確な幾何学的および意味的な情報を提供する。
hdマップに含まれている最も重要な情報の一つは、道路エリアと、道路エリア内を走る車両を誘導するオフロードエリアを区別するためである。
しかし、都市規模でのHDマップのアノテート道路境界は労働集約的である。
自動HDマップアノテーションを有効にするために、現在の作業ではセマンティックセグメンテーションや反復グラフを使って道路境界検出を行っている。
しかし、前者はピクセルレベルで動作し、後者は非効率とドリフトの問題に苦しんでいるため、トポロジカルな正確性を保証することができなかった。
上記の問題に対する解決策として,我々は,HDマップアノテーションの都市規模で道路境界を自動的に検出する,csBoundaryと呼ばれる新しいシステムを提案する。
我々のネットワークは、空中画像パッチを入力とし、この画像から連続した道路境界グラフ(すなわち頂点とエッジ)を直接推測する。
都市規模の道路境界グラフを生成するために,各画像パッチから得られたグラフを縫合する。
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。
結果は我々の優位性を示している。
デモビデオはプロジェクトページ \url{https://sites.google.com/view/csboundary/} で公開されている。
関連論文リスト
- 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) - 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) - FlowMap: Path Generation for Automated Vehicles in Open Space Using
Traffic Flow [32.8563901381583]
FlowMapは、トラフィックフローに基づいた自動車両のためのパス生成フレームワークである。
交通流場(TFF)における経路生成アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-05-02T17:27:37Z) - Path-Aware Graph Attention for HD Maps in Motion Prediction [4.531240717484252]
自律運転における動作予測の成功は、HDマップからの情報の統合に依存している。
本稿では,2つの頂点間の注意関係を,接続する経路を構成するエッジの列を解析することによって推定する新しい注目アーキテクチャであるPath-Aware Graph Attentionを提案する。
本分析は,GCNのような既存のグラフネットワークが苦戦している現実的な問題において,提案した注意機構が学習を促進する方法を示す。
論文 参考訳（メタデータ） (2022-02-23T09:43:47Z) - Structured Bird's-Eye-View Traffic Scene Understanding from Onboard
Images [128.881857704338]
本研究では,BEV座標における局所道路網を表す有向グラフを,単眼カメラ画像から抽出する問題について検討する。
提案手法は,BEV平面上の動的物体を検出するために拡張可能であることを示す。
我々は、強力なベースラインに対するアプローチを検証するとともに、ネットワークが優れたパフォーマンスを達成することを示す。
論文 参考訳（メタデータ） (2021-10-05T12:40:33Z) - CP-loss: Connectivity-preserving Loss for Road Curb Detection in
Autonomous Driving with Aerial Images [10.300623192980753]
自動走行には道路停止検知が重要である。
現在の方法のほとんどは、カメラや3Dライダーなどの車両に搭載されたセンサーを使って、オンラインで道路の縁石を検出する。
本稿では,高分解能空中画像を用いて道路の縁石をオフラインで検出する。
論文 参考訳（メタデータ） (2021-07-26T01:36:58Z) - 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) - 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) - Convolutional Recurrent Network for Road Boundary Extraction [99.55522995570063]
我々は,LiDARとカメラ画像からの道路境界抽出の問題に取り組む。
我々は,完全畳み込みネットワークが道路境界の位置と方向をエンコードする深い特徴量を得る構造化モデルを設計する。
北米の大都市において,道路境界の完全なトポロジを99.3%の時間で得られる方法の有効性を示す。
論文 参考訳（メタデータ） (2020-12-21T18:59:12Z)
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。