論文の概要: LGmap: Local-to-Global Mapping Network for Online Long-Range Vectorized HD Map Construction
- arxiv url: http://arxiv.org/abs/2406.13988v1
- Date: Thu, 20 Jun 2024 04:29:58 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-21 17:17:16.812701
- Title: LGmap: Local-to-Global Mapping Network for Online Long-Range Vectorized HD Map Construction
- Title（参考訳）: LGmap: オンライン長距離ベクトル化HDマップ構築のためのローカル-グローバルマッピングネットワーク
- Authors: Kuang Wu, Sulei Nian, Can Shen, Chuan Yang, Zhanbin Li,
- Abstract要約: 本報告では,自律グランドチャレンジ2024の1位獲得ソリューションであるマップレスドライビングを紹介する。
本稿では,長距離時間モデルに適応した新しいオンラインマッピングパイプラインLGmapを提案する。
本手法はMapless Driving OpenLaneV2テストセットにおいて0.66UniScoreを実現する。
- 参考スコア（独自算出の注目度）: 0.3883607294385062
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This report introduces the first-place winning solution for the Autonomous Grand Challenge 2024 - Mapless Driving. In this report, we introduce a novel online mapping pipeline LGmap, which adept at long-range temporal model. Firstly, we propose symmetric view transformation(SVT), a hybrid view transformation module. Our approach overcomes the limitations of forward sparse feature representation and utilizing depth perception and SD prior information. Secondly, we propose hierarchical temporal fusion(HTF) module. It employs temporal information from local to global, which empowers the construction of long-range HD map with high stability. Lastly, we propose a novel ped-crossing resampling. The simplified ped crossing representation accelerates the instance attention based decoder convergence performance. Our method achieves 0.66 UniScore in the Mapless Driving OpenLaneV2 test set.
- Abstract（参考訳）: 本報告では,自律グランドチャレンジ2024の1位獲得ソリューションであるマップレスドライビングを紹介する。
本稿では,長距離時間モデルに適応した新しいオンラインマッピングパイプラインLGmapを紹介する。
まず、ハイブリッドビュー変換モジュールである対称ビュー変換(SVT)を提案する。
提案手法は,前方スパース特徴表現の限界を克服し,深度知覚とSD事前情報を活用する。
次に,階層型時間融合(HTF)モジュールを提案する。
局所からグローバルへの時間的情報を使用し、高い安定性を持つ長距離HDマップの構築を促進する。
最後に,新しいペアクロスリサンプリングを提案する。
単純化されたペッド交差表現は、インスタンス注意に基づくデコーダ収束性能を加速する。
本手法はMapless Driving OpenLaneV2テストセットにおいて0.66UniScoreを実現する。
関連論文リスト
- Progressive Query Refinement Framework for Bird's-Eye-View Semantic Segmentation from Surrounding Images [3.495246564946556]
本稿では, 自律運転のためのバードズ・アイビュー(BEV)セマンティックセマンティックセグメンテーションにMR(Multi-Resolution)の概念を導入する。
本稿では,画像間と特徴レベル間の相互作用を促進する視覚的特徴相互作用ネットワークを提案する。
大規模な実世界のデータセットを用いて、我々のモデルを評価する。
論文 参考訳（メタデータ） (2024-07-24T05:00:31Z) - Hi-Map: Hierarchical Factorized Radiance Field for High-Fidelity
Monocular Dense Mapping [51.739466714312805]
ニューラルラジアンス場(NeRF)に基づく新しいモノクリン高密度マッピング手法であるHi-Mapを導入する。
ハイマップは、RGB入力のみを用いた効率的かつ高忠実なマッピングを実現する能力において例外的である。
論文 参考訳（メタデータ） (2024-01-06T12:32:25Z) - 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) - StreamMapNet: Streaming Mapping Network for Vectorized Online HD Map
Construction [36.1596833523566]
本稿では,ビデオの時系列時間的モデリングに適応した新しいオンラインマッピングパイプラインであるStreamMapNetを紹介する。
StreamMapNetは、高安定性の大規模ローカルHDマップの構築を支援するマルチポイントアテンションと時間情報を利用する。
論文 参考訳（メタデータ） (2023-08-24T05:22:43Z) - Neural Map Prior for Autonomous Driving [17.198729798817094]
高精細(HD)セマンティックマップは、自動運転車が都市環境をナビゲートするために不可欠である。
オフラインのHDマップを作成する従来の方法には、労働集約的な手動アノテーションプロセスが含まれる。
近年,オンラインセンサを用いた局所地図作成手法が提案されている。
本研究では,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。
論文 参考訳（メタデータ） (2023-04-17T17:58:40Z) - SuperFusion: Multilevel LiDAR-Camera Fusion for Long-Range HD Map
Generation and Prediction [21.061273391348376]
我々は,複数のレベルでLiDARとカメラデータの融合を利用したSuperFusionという新しいネットワークを提案する。
その結果,提案手法により予測される長距離HDマップを用いることで,自動運転車の経路計画を改善することができることがわかった。
論文 参考訳（メタデータ） (2022-11-28T18:59:02Z) - Monocular BEV Perception of Road Scenes via Front-to-Top View Projection [57.19891435386843]
本稿では,鳥の目視で道路配置と車両占有率によって形成された局所地図を再構築する新しい枠組みを提案する。
我々のモデルは1つのGPU上で25FPSで動作し、リアルタイムパノラマHDマップの再構築に有効である。
論文 参考訳（メタデータ） (2022-11-15T13:52:41Z) - SFNet: Faster and Accurate Semantic Segmentation via Semantic Flow [88.97790684009979]
性能を改善するための一般的な実践は、強力な意味表現を持つ高解像度の特徴写像を得ることである。
隣接レベルの特徴マップ間のテキストセマンティックフローを学習するためのフローアライメントモジュール(FAM)を提案する。
また,高分解能特徴写像と低分解能特徴写像を直接整列するGated Dual Flow Alignment Moduleを提案する。
論文 参考訳（メタデータ） (2022-07-10T08:25:47Z) - 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)
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。