論文の概要: High-Definition Map Generation Technologies For Autonomous Driving: A Review

• arxiv url: http://arxiv.org/abs/2206.05400v1
• Date: Sat, 11 Jun 2022 02:32:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-14 17:03:06.959290
• Title: High-Definition Map Generation Technologies For Autonomous Driving: A Review
• Title（参考訳）: 自動運転のための高精細地図生成技術:レビュー
• Authors: Zhibin Bao, Sabir Hossain, Haoxiang Lang, Xianke Lin
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous driving has been among the most popular and challenging topics in the past few years. On the road to achieving full autonomy, researchers have utilized various sensors, such as LiDAR, camera, Inertial Measurement Unit (IMU), and GPS, and developed intelligent algorithms for autonomous driving applications such as object detection, object segmentation, obstacle avoidance, and path planning. High-definition (HD) maps have drawn lots of attention in recent years. Because of the high precision and informative level of HD maps in localization, it has immediately become one of the critical components of autonomous driving. From big organizations like Baidu Apollo, NVIDIA, and TomTom to individual researchers, researchers have created HD maps for different scenes and purposes for autonomous driving. It is necessary to review the state-of-the-art methods for HD map generation. This paper reviews recent HD map generation technologies that leverage both 2D and 3D map generation. This review introduces the concept of HD maps and their usefulness in autonomous driving and gives a detailed overview of HD map generation techniques. We will also discuss the limitations of the current HD map generation technologies to motivate future research.
• Abstract（参考訳）: 自動運転はここ数年でもっとも人気があり、挑戦的な話題となっている。 完全な自律性を達成するために、研究者はlidar、カメラ、慣性測定ユニット(imu)、gpsなどの様々なセンサーを利用し、物体検出、物体分割、障害物回避、経路計画などの自動運転アプリケーションのためのインテリジェントなアルゴリズムを開発した。 high-definition (hd) マップは近年多くの注目を集めている。 ローカライゼーションにおけるHDマップの精度と情報レベルの高さから、自動運転の重要な要素の一つとなっている。 Baidu Apollo、NVIDIA、TomTomといった大企業から個々の研究者まで、研究者はさまざまなシーンと自動運転のためのHDマップを作成している。 HDマップ生成における最先端手法の見直しが必要である。 本稿では,2次元と3次元の両方を利用したHDマップ生成技術についてレビューする。 本稿では,HDマップの概念とその自動運転における有用性を紹介し,HDマップ生成技術の概要を紹介する。 今後の研究の動機となるHDマップ生成技術の限界についても論じる。

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)
• Exploring Navigation Maps for Learning-Based Motion Prediction [9.919575841909962]
  本稿では,ナビゲーションマップを学習に基づく動き予測モデルに統合するアプローチについて述べる。 われわれのアプローチは、地図をまったく使わないよりも大幅に改善されている。 Argoverse用の公開ナビゲーションマップAPIにより,ナビゲーションマップを用いた独自のアプローチの開発と評価が可能となった。
  論文  参考訳（メタデータ） (2023-02-13T09:06:27Z)
• 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)
• ViKiNG: Vision-Based Kilometer-Scale Navigation with Geographic Hints [94.60414567852536]
  長距離航法には、計画と局所的な移動可能性の推論の両方が必要である。 学習と計画を統合する学習に基づくアプローチを提案する。 ViKiNGは、画像ベースの学習コントローラを利用できる。
  論文  参考訳（メタデータ） (2022-02-23T02:14:23Z)
• 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)
• 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)
• 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)
• Automatic Building and Labeling of HD Maps with Deep Learning [18.9340830352492]
  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。
  論文  参考訳（メタデータ） (2020-06-01T00:02:45Z)

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。