論文の概要: VectorMapNet: End-to-end Vectorized HD Map Learning
- arxiv url: http://arxiv.org/abs/2206.08920v5
- Date: Tue, 21 Mar 2023 04:38:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-24 04:10:04.075983
- Title: VectorMapNet: End-to-end Vectorized HD Map Learning
- Title(参考訳): VectorMapNet: エンドツーエンドのベクトル化HDマップ学習
- Authors: Yicheng Liu, Yuantian Yuan, Yue Wang, Yilun Wang, Hang Zhao
- Abstract要約: 本稿では,VectorMapNetと呼ばれるエンドツーエンドのベクトル化HDマップ学習パイプラインを紹介する。
このパイプラインは、地図要素間の空間関係を明示的にモデル化し、ベクトル化された地図を生成する。
VectorMapNetはnuScenesとArgoverse2データセットの両方で強力なマップ学習性能を実現する。
- 参考スコア(独自算出の注目度): 18.451587680552464
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous driving systems require a good understanding of surrounding
environments, including moving obstacles and static High-Definition (HD)
semantic map elements. Existing methods approach the semantic map problem by
offline manual annotation, which suffers from serious scalability issues.
Recent learning-based methods produce dense rasterized segmentation predictions
to construct maps. However, these predictions do not include instance
information of individual map elements and require heuristic post-processing to
obtain vectorized maps. To tackle these challenges, we introduce an end-to-end
vectorized HD map learning pipeline, termed VectorMapNet. VectorMapNet takes
onboard sensor observations and predicts a sparse set of polylines in the
bird's-eye view. This pipeline can explicitly model the spatial relation
between map elements and generate vectorized maps that are friendly to
downstream autonomous driving tasks. Extensive experiments show that
VectorMapNet achieve strong map learning performance on both nuScenes and
Argoverse2 dataset, surpassing previous state-of-the-art methods by 14.2 mAP
and 14.6mAP. Qualitatively, we also show that VectorMapNet is capable of
generating comprehensive maps and capturing more fine-grained details of road
geometry. To the best of our knowledge, VectorMapNet is the first work designed
towards end-to-end vectorized map learning from onboard observations. Our
project website is available at
https://tsinghua-mars-lab.github.io/vectormapnet/.
- Abstract(参考訳): 自律運転システムは、移動障害や静的ハイディフィニション(HD)セマンティックマップ要素など、周囲の環境を十分に理解する必要がある。
既存のメソッドでは、オフラインの手動アノテーションによってセマンティックマップの問題にアプローチしている。
近年の学習に基づく手法は,地図構築のために密集したラスタ化セグメンテーション予測を生成する。
しかし、これらの予測は個々のマップ要素のインスタンス情報を含んでおらず、ベクトル化されたマップを得るためにヒューリスティックな後処理を必要とする。
これらの課題に対処するために、VectorMapNetと呼ばれるエンドツーエンドのベクトル化HDマップ学習パイプラインを導入する。
vectormapnet はオンボードセンサーによる観測を行い、鳥の目に見えるポリラインのばらばらな集合を予測する。
このパイプラインは、マップ要素間の空間関係を明示的にモデル化し、下流の自動運転タスクに適合するベクトル化されたマップを生成することができる。
大規模な実験により、VectorMapNetはnuScenesとArgoverse2データセットの両方で強力なマップ学習性能を達成し、14.2mAPと14.6mAPの最先端手法を上回った。
定性的に、VectorMapNetは網羅的な地図を生成し、より詳細な道路形状を捉えることができる。
私たちの知る限りでは、VectorMapNetは、オンボード観測からエンドツーエンドのベクトル化マップ学習を目的とした最初の研究です。
プロジェクトのwebサイトはhttps://tsinghua-mars-lab.github.io/vectormapnet/で閲覧できます。
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) - Unveiling the Hidden: Online Vectorized HD Map Construction with Clip-Level Token Interaction and Propagation [14.480713752871521]
MapUnveilerは、クリップレベルのベクトル化HDマップ構築の新しいパラダイムである。
これは、高密度の画像表現と効率的なクリップトークンを関連付けることで、クリップ入力内の隠蔽マップ要素を公開する。
MapUnveilerはクリップトークンの伝搬を通じてクリップ間の情報を関連付け、長期の時間マップ情報を有効に活用する。
論文 参考訳(メタデータ) (2024-11-17T08:38:18Z) - Enhancing Vectorized Map Perception with Historical Rasterized Maps [37.48510990922406]
我々は,オンラインベクトル化地図知覚を高めるために,低コストな履歴ラスタライズドマップを利用するHRMapNetを提案する。
履歴化された地図は、過去の予測されたベクトル化された結果から容易に構築でき、貴重な補完情報を提供する。
HRMapNetは、ほとんどのオンラインベクトル化マップ認識手法と統合することができる。
論文 参考訳(メタデータ) (2024-09-01T05:22:33Z) - ScalableMap: Scalable Map Learning for Online Long-Range Vectorized HD
Map Construction [42.874195888422584]
オンライン長範囲ベクトル化ハイデフィニション(HD)マップ構築のための,オンボードカメラセンサを用いた新しいエンドツーエンドパイプラインを提案する。
地図要素の特性を利用して地図構築の性能を向上させる。
論文 参考訳(メタデータ) (2023-10-20T09:46:24Z) - 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) - 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) - 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) - VectorNet: Encoding HD Maps and Agent Dynamics from Vectorized
Representation [74.56282712099274]
本稿では,ベクトルで表される個々の道路成分の空間的局所性を利用する階層型グラフニューラルネットワークであるVectorNetを紹介する。
ベクトル化高定義(HD)マップとエージェントトラジェクトリの操作により、ロッキーなレンダリングや計算集約的なConvNetエンコーディングのステップを避けることができる。
我々は、社内行動予測ベンチマークと最近リリースされたArgoverse予測データセットでVectorNetを評価した。
論文 参考訳(メタデータ) (2020-05-08T19:07:03Z)
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。