論文の概要: Neural Map Prior for Autonomous Driving
- arxiv url: http://arxiv.org/abs/2304.08481v1
- Date: Mon, 17 Apr 2023 17:58:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-18 13:52:37.895047
- Title: Neural Map Prior for Autonomous Driving
- Title(参考訳): 自律運転のためのニューラルマップ
- Authors: Xuan Xiong, Yicheng Liu, Tianyuan Yuan, Yue Wang, Yilun Wang, Hang
Zhao
- Abstract要約: 高精細(HD)セマンティックマップは、都市環境をナビゲートする自動運転車にとって不可欠である。
従来のオフラインのHDマップは、労働集約的な手作業によるアノテーションプロセスによって作成され、費用がかかり、タイムリーな更新ができない。
我々は,グローバルマップの自動更新とローカルマップ推論性能の向上を目的とした,グローバルマップのニューラル表現であるニューラルマッププライオリティ(NMP)を提案する。
- 参考スコア(独自算出の注目度): 17.198729798817094
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High-definition (HD) semantic maps are crucial for autonomous vehicles
navigating urban environments. Traditional offline HD maps, created through
labor-intensive manual annotation processes, are both costly and incapable of
accommodating timely updates. Recently, researchers have proposed inferring
local maps based on online sensor observations; however, this approach is
constrained by the sensor perception range and is susceptible to occlusions. In
this work, we propose Neural Map Prior (NMP), a neural representation of global
maps that facilitates automatic global map updates and improves local map
inference performance. To incorporate the strong map prior into local map
inference, we employ cross-attention that dynamically captures correlations
between current features and prior features. For updating the global neural map
prior, we use a learning-based fusion module to guide the network in fusing
features from previous traversals. This design allows the network to capture a
global neural map prior during sequential online map predictions. Experimental
results on the nuScenes dataset demonstrate that our framework is highly
compatible with various map segmentation and detection architectures and
considerably strengthens map prediction performance, even under adverse weather
conditions and across longer horizons. To the best of our knowledge, this
represents the first learning-based system for constructing a global map prior.
- Abstract(参考訳): high-definition(hd)セマンティックマップは、都市環境を走行する自動運転車にとって不可欠である。
従来のオフラインhdマップは、労働集約的な手動アノテーションプロセスによって作成され、費用がかかり、タイムリーな更新ができない。
近年,オンラインセンサ観測に基づいて局所地図を推定する手法が提案されているが,本手法はセンサ認識範囲に制約されており,閉塞に敏感である。
本研究では,グローバルマップの自動更新を容易にし,局所的地図推論性能を向上させる,グローバルマップのニューラル表現であるneural map prior (nmp)を提案する。
従来の強写像を局所写像推論に組み込むために,我々は,現在の特徴と先行特徴との相関関係を動的に捉えるクロスアテンションを用いる。
グローバルなニューラルマップを前もって更新するために、学習ベースのフュージョンモジュールを使用して、以前のトラバースの機能を融合するネットワークをガイドします。
この設計により、ネットワークはシーケンシャルなオンライン地図予測の前にグローバルニューラルマップをキャプチャできる。
nuScenesデータセットを用いた実験結果から,本フレームワークは各種のマップセグメンテーションおよび検出アーキテクチャと高度に互換性があり,悪天候下やより長い地平線上でも地図予測性能を著しく向上することが示された。
私たちの知る限りでは、これはグローバルマップを事前に構築する最初の学習ベースのシステムです。
関連論文リスト
- Map-aided annotation for pole base detection [0.0]
本稿では2次元HDマップを用いて,画像中の極状特徴を自動的にアノテートする。
高さ情報がない場合、地図の特徴は地上のポールベースとして表現される。
ポールベースを検出するためにオブジェクト検出器をどのように訓練するかを示す。
論文 参考訳(メタデータ) (2024-03-04T09:23:11Z) - Augmenting Lane Perception and Topology Understanding with Standard
Definition Navigation Maps [51.24861159115138]
Standard Definition (SD) マップは、より安価で、世界中でカバーでき、スケーラブルな代替手段を提供する。
本稿では,オンライン地図予測にSDマップを統合する新しいフレームワークを提案し,Transformer を用いたエンコーダ SD Map Representations を提案する。
この拡張は、現在の最先端のオンラインマップ予測手法におけるレーン検出とトポロジー予測を一貫して(最大60%まで)大幅に向上させる。
論文 参考訳(メタデータ) (2023-11-07T15:42:22Z) - NeMO: Neural Map Growing System for Spatiotemporal Fusion in
Bird's-Eye-View and BDD-Map Benchmark [9.430779563669908]
視覚中心のBird's-Eye View表現は自律運転システムに不可欠である。
この研究は、読みやすく、説明可能なビッグマップを利用してローカルマップを生成するための、NeMOという新しいパラダイムを概説する。
すべてのBEVグリッドの特徴分布が同じパターンに従うと仮定して、すべてのグリッドに対して共有重み付きニューラルネットワークを採用して、ビッグマップを更新する。
論文 参考訳(メタデータ) (2023-06-07T15:46:15Z) - Long-term Visual Map Sparsification with Heterogeneous GNN [47.12309045366042]
本稿では,環境変化を克服し,将来のローカライゼーションに有用な点を選択することで,地図サイズを同時に削減することを目的とする。
グラフニューラルネットワーク(GNN)の最近の進歩に触発されて,SfMマップを異種グラフとしてモデル化し,GNNを用いて3次元点重要度を推定する最初の研究を提案する。
2つの新しい監督手法が提案されている: 1) トレーニングクエリに基づく将来のローカライゼーションに有用なポイントを選択するためのデータ適合用語、2) スパースポイントをフルマップで選択するためのK-Cover用語。
論文 参考訳(メタデータ) (2022-03-29T01:46:12Z) - 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) - CAMERAS: Enhanced Resolution And Sanity preserving Class Activation
Mapping for image saliency [61.40511574314069]
バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。
CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
論文 参考訳(メタデータ) (2021-06-20T08:20:56Z) - 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) - Gaussian Process Gradient Maps for Loop-Closure Detection in
Unstructured Planetary Environments [17.276441789710574]
以前にマップされた位置を認識する能力は、自律システムにとって不可欠な機能である。
非構造的な惑星のような環境は、地形の類似性のためにこれらのシステムに大きな課題をもたらす。
本稿では,空間情報のみを用いたループ閉鎖問題の解法を提案する。
論文 参考訳(メタデータ) (2020-09-01T04:41:40Z) - 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) - Rethinking Localization Map: Towards Accurate Object Perception with
Self-Enhancement Maps [78.2581910688094]
本研究は, カテゴリーラベルのみを監督として, 正確な対象位置分布マップと対象境界を抽出する, 新たな自己強調手法を提案する。
特に、提案されたセルフエンハンスメントマップは、ILSVRC上で54.88%の最先端のローカライゼーション精度を達成する。
論文 参考訳(メタデータ) (2020-06-09T12:35:55Z)
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。