論文の概要: Local map Construction Methods with SD map: A Novel Survey
- arxiv url: http://arxiv.org/abs/2409.02415v1
- Date: Wed, 4 Sep 2024 03:41:42 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-05 20:25:21.914616
- Title: Local map Construction Methods with SD map: A Novel Survey
- Title（参考訳）: SDマップを用いた地域地図作成手法:新しい調査
- Authors: Jiaqi Li, Pingfan Jia, Jiaxing Chen, Jiaxi Liu, Lei He,
- Abstract要約: 本稿では,ローカルマップ認識手法の事前情報としてSDマップの統合の最近の進歩を概観する。
この記事は、この分野で広く普及している現在のトレンドと方法論を理解するために研究者を導くことを目的として、関連する問題と今後の課題に対処する。
- 参考スコア（独自算出の注目度）: 4.493862236612883
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, significant academic advancements have been made in the field of autonomous vehicles, with Local maps emerging as a crucial component of autonomous driving technology. Local maps not only provide intricate details of road networks but also serve as fundamental inputs for critical tasks such as vehicle localization, navigation, and decision-making. Given the characteristics of SD map (Standard Definition Map), which include low cost, ease of acquisition, and high versatility, perception methods that integrate SD map as prior information have demonstrated significant potential in the field of Local map perception. The purpose of this paper is to provide researchers with a comprehensive overview and summary of the latest advancements in the integration of SD map as prior information for Local map perception methods. This review begins by introducing the task definition and general pipeline of local map perception methods that incorporate SD maps as prior information, along with relevant public datasets. And then it focuses on the representation and encoding methods of multi-source information, as well as the methods for fusing multi-source information. In response to this burgeoning trend, this article presents a comprehensive and meticulous overview of the diverse research efforts in this particular field. Finally, the article addresses pertinent issues and future challenges with the aim of guiding researchers in understanding the current trends and methodologies prevalent in the field.
- Abstract（参考訳）: 近年、自動運転車の分野では学術的な進歩が顕著に行われており、ローカルマップが自動運転技術の重要コンポーネントとして浮上している。
ローカルマップは、道路網の複雑な詳細を提供するだけでなく、車両のローカライゼーション、ナビゲーション、意思決定といった重要なタスクの基本的な入力としても機能する。
SDマップ(Standard Definition Map)の特徴として,SDマップを事前情報として統合する認識手法は,ローコスト,取得容易性,多目的性などの点から,局所地図認識の分野において有意義な可能性を示唆している。
本研究の目的は,ローカルマップ認識手法の事前情報としてSDマップの統合における最新の進歩の概要と概要を研究者に提供することである。
このレビューは、SDマップを事前情報として組み込んだローカルマップ認識手法のタスク定義と一般的なパイプラインと、関連する公開データセットの導入から始まる。
そして、マルチソース情報の表現と符号化、およびマルチソース情報の融合方法に焦点を当てた。
この急激な傾向に応えて,本論文は,本分野における多様な研究成果を包括的かつ綿密に概説する。
最後に、本論文は、現在この分野で普及している研究動向や方法論を理解するために研究者を導くことを目的として、関連する問題と今後の課題について論じる。
関連論文リスト
- Detecting Omissions in Geographic Maps through Computer Vision [18.36056648425432]
特定地域や特徴ランドマークを指定した地図を自動的に識別する手法を開発し,評価する。
地図を非マップと区別し、表示された領域の精度を確認し、特定のランドマーク名の有無を確認する。
このデータセットの実験では、特定領域のランドマークを除く地図を識別するために、この手法が85.51%のF1スコアを達成することを示した。
論文 参考訳（メタデータ） (2024-07-15T13:26:58Z) - Mapping High-level Semantic Regions in Indoor Environments without
Object Recognition [50.624970503498226]
本研究では,屋内環境における埋め込みナビゲーションによる意味領域マッピング手法を提案する。
地域識別を実現するために,視覚言語モデルを用いて地図作成のためのシーン情報を提供する。
グローバルなフレームにエゴセントリックなシーン理解を投影することにより、提案手法は各場所の可能な領域ラベル上の分布としてのセマンティックマップを生成する。
論文 参考訳（メタデータ） (2024-03-11T18:09:50Z) - CartoMark: a benchmark dataset for map pattern recognition and 1 map
content retrieval with machine intelligence [9.652629004863364]
我々は,地図テキストアノテーション認識,地図シーン分類,地図超解像再構成,地図スタイル転送のための大規模ベンチマークデータセットを開発した。
これらの良好なラベル付きデータセットは、マップ特徴の検出、マップパターン認識、マップコンテンツ検索を行う最先端のマシンインテリジェンス技術を促進する。
論文 参考訳（メタデータ） (2023-12-14T01:54:38Z) - 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) - 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) - Guided Depth Map Super-resolution: A Survey [88.54731860957804]
誘導深度マップ超解像(GDSR)は、高分解能(HR)深度マップを低分解能(LR)観測から2枚のHRカラー画像の助けを借りて再構成することを目的としている。
近年,特に強力な深層学習技術を用いて,斬新で効果的なアプローチが多数提案されている。
この調査は、GDSRの最近の進歩に関する包括的調査を提示する試みである。
論文 参考訳（メタデータ） (2023-02-19T15:43:54Z) - Weakly-Supervised Multi-Granularity Map Learning for Vision-and-Language
Navigation [87.52136927091712]
我々は,ロボットエージェントが言語指導によって記述された経路をたどって,環境の中をナビゲートするよう訓練する,現実的かつ困難な問題に対処する。
高精度かつ効率的なナビゲーションを実現するためには,環境オブジェクトの空間的位置と意味情報の両方を正確に表現した地図を構築することが重要である。
より包括的にオブジェクトを表現するために,オブジェクトの細粒度(色,テクスチャなど)とセマンティッククラスの両方を含む多粒度マップを提案する。
論文 参考訳（メタデータ） (2022-10-14T04:23:27Z) - A Survey on Visual Map Localization Using LiDARs and Cameras [0.0]
視覚マップのローカライゼーションを2段階プロセスとして定義する。
位置認識の段階では、視覚センサ出力とジオタグ付き地図領域の集合とを比較して、地図内の車両の初期位置を決定する。
地図距離定位の段階では、車両が地図を横切りながら追跡され、視界センサの出力と現在の地図の面積を連続的に調整する。
論文 参考訳（メタデータ） (2022-08-05T20:11:18Z) - Find a Way Forward: a Language-Guided Semantic Map Navigator [53.69229615952205]
本稿では,新たな視点で言語誘導ナビゲーションの問題に対処する。
ロボットが自然言語の指示を実行し、地図観測に基づいて目標位置へ移動できるようにする。
提案手法は特に長距離ナビゲーションの場合において顕著な性能向上をもたらす。
論文 参考訳（メタデータ） (2022-03-07T07:40:33Z) - A Review of Landcover Classification with Very-High Resolution Remotely
Sensed Optical Images-Analysis Unit,Model Scalability and Transferability [4.704131850850489]
ランドカバー分類は、超高解像度(VHR)画像解析において最も難しい課題の1つである。
ディープラーニング(DL)に基づく土地被覆手法とトレーニング戦略の急速な増加が最先端であると主張されているため、既に断片化された土地被覆マッピング手法の技術的景観はさらに複雑である。
論文 参考訳（メタデータ） (2022-02-07T16:38:40Z) - A Survey on Deep Learning for Localization and Mapping: Towards the Age
of Spatial Machine Intelligence [48.67755344239951]
包括的調査を行い、深層学習を用いた局所化とマッピングのための新しい分類法を提案する。
オードメトリ推定、マッピング、グローバルローカライゼーション、同時ローカライゼーション、マッピングなど、幅広いトピックがカバーされている。
この研究がロボティクス、コンピュータビジョン、機械学習コミュニティの新たな成果を結び付けることを願っている。
論文 参考訳（メタデータ） (2020-06-22T19:01:21Z)
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。