論文の概要: End-to-End Vectorized HD-map Construction with Piecewise Bezier Curve
- arxiv url: http://arxiv.org/abs/2306.09700v1
- Date: Fri, 16 Jun 2023 09:05:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-19 14:29:23.237936
- Title: End-to-End Vectorized HD-map Construction with Piecewise Bezier Curve
- Title（参考訳）: Piecewise Bezier Curveを用いたエンドツーエンドベクトル化HDマップの構築
- Authors: Limeng Qiao, Wenjie Ding, Xi Qiu, Chi Zhang
- Abstract要約: HDマップの構築は自動運転コミュニティに大きな研究関心を集めている。
直接セット予測パラダイムとポストプロセッシングフリーとして定式化された,単純で効果的なアーキテクチャであるPiecewise Bezier HD-map Network(BeMapNet)を導入する。
さらに,ベジエ曲線の漸進的復元に基づいて,より堅牢で高精度なHD-mapモデリングを行うために,効率的なポイント・カーブ・リジェクション・ロスも提示する。
- 参考スコア（独自算出の注目度）: 9.129634919566026
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Vectorized high-definition map (HD-map) construction, which focuses on the
perception of centimeter-level environmental information, has attracted
significant research interest in the autonomous driving community. Most
existing approaches first obtain rasterized map with the segmentation-based
pipeline and then conduct heavy post-processing for downstream-friendly
vectorization. In this paper, by delving into parameterization-based methods,
we pioneer a concise and elegant scheme that adopts unified piecewise Bezier
curve. In order to vectorize changeful map elements end-to-end, we elaborate a
simple yet effective architecture, named Piecewise Bezier HD-map Network
(BeMapNet), which is formulated as a direct set prediction paradigm and
postprocessing-free. Concretely, we first introduce a novel IPM-PE Align module
to inject 3D geometry prior into BEV features through common position encoding
in Transformer. Then a well-designed Piecewise Bezier Head is proposed to
output the details of each map element, including the coordinate of control
points and the segment number of curves. In addition, based on the
progressively restoration of Bezier curve, we also present an efficient
Point-Curve-Region Loss for supervising more robust and precise HD-map
modeling. Extensive comparisons show that our method is remarkably superior to
other existing SOTAs by 18.0 mAP at least.
- Abstract（参考訳）: ベクトル化ハイディフィニションマップ(hd-map)の構築は、センチメートルレベルの環境情報の知覚に焦点を当てており、自動運転コミュニティに大きな関心を集めている。
既存のほとんどのアプローチは、まずセグメンテーションベースのパイプラインでラスタ化マップを取得し、その後、下流フレンドリなベクトル化のための重い後処理を行う。
本稿では,パラメータ化に基づく手法を考案し,一貫したベジエ曲線を用いた簡潔かつエレガントな手法を提案する。
変化に富んだ地図要素をエンドツーエンドにベクトル化するために,Piecewise Bezier HD-map Network(BeMapNet)という,直接セット予測パラダイムと後処理不要なシンプルなアーキテクチャを詳述する。
具体的には,トランスフォーマーの共通位置符号化により,BEV機能に3次元形状を注入する新しいIMM-PEアラインモジュールを提案する。
そして、よく設計されたPiecewise Bezier Headを提案し、各地図要素の詳細を出力し、制御点の座標と曲線のセグメント数を含む。
さらに,bezier曲線の漸進的復元に基づいて,より堅牢で高精度なhd-mapモデリングを監督するための効率的な点曲線損失も提示する。
以上の結果から,本手法は既存のSOTAよりも18.0mAP以上優れていることが示唆された。
関連論文リスト
- 3D Neural Edge Reconstruction [61.10201396044153]
本研究では,線と曲線に焦点をあてて3次元エッジ表現を学習する新しい手法であるEMAPを紹介する。
多視点エッジマップから無符号距離関数(UDF)の3次元エッジ距離と方向を暗黙的に符号化する。
この神経表現の上に、推定されたエッジ点とその方向から3次元エッジを頑健に抽象化するエッジ抽出アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-05-29T17:23:51Z) - 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) - Neural Gradient Learning and Optimization for Oriented Point Normal
Estimation [53.611206368815125]
本研究では,3次元点雲から勾配ベクトルを一貫した向きで学習し,正規推定を行うためのディープラーニング手法を提案する。
局所平面幾何に基づいて角距離場を学習し、粗勾配ベクトルを洗練する。
本手法は,局所特徴記述の精度と能力の一般化を図りながら,グローバル勾配近似を効率的に行う。
論文 参考訳（メタデータ） (2023-09-17T08:35:11Z) - PivotNet: Vectorized Pivot Learning for End-to-end HD Map Construction [10.936405710245625]
我々は、ピボットベースの地図表現を統一したPivotNetという、シンプルで効果的なアーキテクチャを提案する。
PivotNet は他の SOTA よりも5.9 mAP の方がはるかに優れている。
論文 参考訳（メタデータ） (2023-08-31T05:43:46Z) - 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) - InstaGraM: Instance-level Graph Modeling for Vectorized HD Map Learning [6.062751776009753]
搭載センサ観測からHDマップ要素を検出するオンラインHDマップ学習フレームワークを提案する。
InstaGraMでは、HDマップのインスタンスレベルのグラフモデリングは、正確かつ高速なベクトル化HDマップ学習をもたらす。
提案するネットワークは,従来のモデルよりも最大13.7mAP,最大33.8倍高速である。
論文 参考訳（メタデータ） (2023-01-10T08:15:35Z) - Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud
Analysis [66.49788145564004]
我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。
我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
論文 参考訳（メタデータ） (2022-12-17T15:05:25Z) - Learning Continuous Depth Representation via Geometric Spatial
Aggregator [47.1698365486215]
深度マップ超解法(DSR)のための新しい連続深度表現法を提案する。
この表現の中心は我々の提案した幾何空間アグリゲータ(GSA)であり、これは任意にアップサンプリングされたターゲットグリッドにより変調された距離場を利用する。
また、局所座標間の関数マッピングを構築するための原理的な方法を持つGeoDSRというトランスフォーマースタイルのバックボーンも提示する。
論文 参考訳（メタデータ） (2022-12-07T07:48:23Z) - Deep Shells: Unsupervised Shape Correspondence with Optimal Transport [52.646396621449]
本稿では,3次元形状対応のための教師なし学習手法を提案する。
提案手法は,複数のデータセット上での最先端技術よりも大幅に改善されていることを示す。
論文 参考訳（メタデータ） (2020-10-28T22:24:07Z) - Joint Multi-Dimension Pruning via Numerical Gradient Update [120.59697866489668]
本稿では,空間,深さ,チャネルの3つの重要な側面において,ネットワークを同時に切断する方法であるジョイント・マルチディメンジョン・プルーニング(ジョイント・プルーニング)を提案する。
本手法は,1つのエンドツーエンドトレーニングにおいて3次元にわたって協調的に最適化され,従来よりも効率がよいことを示す。
論文 参考訳（メタデータ） (2020-05-18T17:57:09Z)
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。