Fugu-MT 論文翻訳(概要): Complementing Onboard Sensors with Satellite Map: A New Perspective for HD Map Construction

論文の概要: Complementing Onboard Sensors with Satellite Map: A New Perspective for HD Map Construction

arxiv url: http://arxiv.org/abs/2308.15427v1
Date: Tue, 29 Aug 2023 16:33:16 GMT
ステータス: 処理完了
システム内更新日: 2023-08-30 13:12:44.055040
Title: Complementing Onboard Sensors with Satellite Map: A New Perspective for HD Map Construction
Title（参考訳）: 衛星マップによる搭載センサの補完:hdマップ構築のための新しい展望
Authors: Wenjie Gao, Jiawei Fu, Haodong Jing, and Nanning Zheng
Abstract要約: 衛星地図を用いた車載センサの補足により,HDマップ構築法の性能が向上することを示す。本稿では,衛星地図情報と既存手法との融合性を向上する階層型融合モジュールを提案する。拡張nuScenesデータセットの実験結果は、既存の3つのHDマップ構築方法へのモジュールのシームレスな統合を示している。
参考スコア（独自算出の注目度）: 28.87117787166044
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: High-Definition (HD) maps play a crucial role in autonomous driving systems. Recent methods have attempted to construct HD maps in real-time based on information obtained from vehicle onboard sensors. However, the performance of these methods is significantly susceptible to the environment surrounding the vehicle due to the inherent limitation of onboard sensors, such as weak capacity for long-range detection. In this study, we demonstrate that supplementing onboard sensors with satellite maps can enhance the performance of HD map construction methods, leveraging the broad coverage capability of satellite maps. For the purpose of further research, we release the satellite map tiles as a complementary dataset of nuScenes dataset. Meanwhile, we propose a hierarchical fusion module that enables better fusion of satellite maps information with existing methods. Specifically, we design an attention mask based on segmentation and distance, applying the cross-attention mechanism to fuse onboard Bird's Eye View (BEV) features and satellite features in feature-level fusion. An alignment module is introduced before concatenation in BEV-level fusion to mitigate the impact of misalignment between the two features. The experimental results on the augmented nuScenes dataset showcase the seamless integration of our module into three existing HD map construction methods. It notably enhances their performance in both HD map semantic segmentation and instance detection tasks.
Abstract（参考訳）: 高精細(HD)マップは自動運転システムにおいて重要な役割を果たす。近年,車載センサから得られる情報をもとに,HDマップをリアルタイムに構築する手法が提案されている。しかし、長距離検出の能力が弱いなど、車載センサに固有の制限があるため、これらの手法の性能は車両周辺の環境に著しく影響を受けやすい。本研究では,衛星地図を用いた搭載センサの補足により,衛星地図の広範な網羅性を活用して,HDマップ構築手法の性能を向上させることを実証する。さらなる研究のために、我々はnuScenesデータセットの補完データセットとして衛星地図タイルをリリースする。一方,衛星地図情報と既存手法との融合性を向上させる階層型融合モジュールを提案する。具体的には,Bird's Eye View (BEV) 機能と衛星機能を機能レベル融合で融合させるために,セグメンテーションと距離に基づくアテンションマスクを設計し,クロスアテンション機構を適用した。 BEVレベルの融合で結合する前にアライメントモジュールを導入し、2つの特徴間のミスアライメントの影響を軽減する。拡張nuScenesデータセットの実験結果は、既存の3つのHDマップ構築方法へのモジュールのシームレスな統合を示している。これはHDマップセマンティックセグメンテーションとインスタンス検出タスクの両方のパフォーマンスを著しく向上させる。

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)
OpenSatMap: A Fine-grained High-resolution Satellite Dataset for Large-scale Map Construction [65.4151284975348]
OpenSatMapは、大規模マップ構築のための細粒度で高解像度の衛星データセットである。データセットの公開とメンテナンスにより、衛星ベースのマップ構築と、自律運転のような下流タスクのための高品質なベンチマークを提供する。
論文参考訳（メタデータ） (2024-10-30T17:56:02Z)
Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
論文参考訳（メタデータ） (2024-10-10T10:10:03Z)
GenMapping: Unleashing the Potential of Inverse Perspective Mapping for Robust Online HD Map Construction [20.1127163541618]
我々はGenMappingというユニバーサルマップ生成フレームワークを設計した。このフレームワークは、主および二重補助枝を含む三進的なシナジーアーキテクチャで構築されている。実験結果の網羅的な配列から,提案手法はセマンティックマッピングとベクトル化マッピングの両方において最先端の手法を超越し,高速な推論速度を維持した。
論文参考訳（メタデータ） (2024-09-13T10:15:28Z)
Driving with Prior Maps: Unified Vector Prior Encoding for Autonomous Vehicle Mapping [18.97422977086127]
高精細マップ(HDマップ)は、自動運転車の正確なナビゲーションと意思決定に不可欠である。オンボードセンサーを用いたHDマップのオンライン構築が,有望なソリューションとして浮上している。本稿では,事前マップのパワーを活用して,これらの制約に対処するPresidedDriveフレームワークを提案する。
論文参考訳（メタデータ） (2024-09-09T06:17:46Z)
Energy-Based Models for Cross-Modal Localization using Convolutional Transformers [52.27061799824835]
GPSのない衛星画像に対して、距離センサを搭載した地上車両を位置決めする新しい枠組みを提案する。本稿では, 畳み込み変換器を用いて, 高精度な計量レベルの局所化を行う手法を提案する。我々は、エンドツーエンドでモデルをトレーニングし、KITTI、Pandaset、カスタムデータセットの最先端技術よりも高い精度でアプローチを実証する。
論文参考訳（メタデータ） (2023-06-06T21:27:08Z)
MapFusion: A General Framework for 3D Object Detection with HDMaps [17.482961825285013]
現代の3Dオブジェクトディテクタパイプラインにマップ情報を統合するためのMapFusionを提案します。マップ情報を融合することにより、3つの強力な3dオブジェクト検出ベースラインで平均精度(map)が1.27ポイントから2.79ポイント向上する。
論文参考訳（メタデータ） (2021-03-10T08:36:59Z)
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)
UAV LiDAR Point Cloud Segmentation of A Stack Interchange with Deep Neural Networks [26.9629258425327]
本研究では,新しい無人航空機(UAV)光検出・照準システム(LiDAR)によって収集された点雲について検討した。ポイントクラウドを分類するために、エンドツーエンドで教師付き3Dディープラーニングフレームワークが提案された。提案手法は,重畳畳み込みを伴う複雑な交換シナリオにおける3次元特徴を抽出し,93%以上の分類精度を達成した。
論文参考訳（メタデータ） (2020-10-21T16:15:41Z)
siaNMS: Non-Maximum Suppression with Siamese Networks for Multi-Camera 3D Object Detection [65.03384167873564]
サイムズネットワークは、よく知られた3Dオブジェクト検出器アプローチのパイプラインに統合される。アソシエーションはオブジェクトの3Dボックスレグレッションを強化するために利用される。 nuScenesデータセットの実験的評価は,提案手法が従来のNMS手法よりも優れていることを示している。
論文参考訳（メタデータ） (2020-02-19T15:32:38Z)

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。