論文の概要: ExelMap: Explainable Element-based HD-Map Change Detection and Update
- arxiv url: http://arxiv.org/abs/2409.10178v1
- Date: Mon, 16 Sep 2024 11:17:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-17 15:50:18.717488
- Title: ExelMap: Explainable Element-based HD-Map Change Detection and Update
- Title（参考訳）: ExelMap: 説明可能な要素ベースのHDマップ変更検出と更新
- Authors: Lena Wild, Ludvig Ericson, Rafael Valencia, Patric Jensfelt,
- Abstract要約: 本稿では,要素をベースとしたHDマップ変更検出と更新を行う新しいタスクを提案する。
ExelMapは、変更したマップ要素を具体的に識別する、説明可能な要素ベースのマップ更新戦略である。
これは、実世界のエンド・ツー・エンドの要素ベースのHDマップ変更の検出と更新に関する、初めての総合的な問題調査である。
- 参考スコア（独自算出の注目度）: 2.79552147676281
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Acquisition and maintenance are central problems in deploying high-definition (HD) maps for autonomous driving, with two lines of research prevalent in current literature: Online HD map generation and HD map change detection. However, the generated map's quality is currently insufficient for safe deployment, and many change detection approaches fail to precisely localize and extract the changed map elements, hence lacking explainability and hindering a potential fleet-based cooperative HD map update. In this paper, we propose the novel task of explainable element-based HD map change detection and update. In extending recent approaches that use online mapping techniques informed with an outdated map prior for HD map updating, we present ExelMap, an explainable element-based map updating strategy that specifically identifies changed map elements. In this context, we discuss how currently used metrics fail to capture change detection performance, while allowing for unfair comparison between prior-less and prior-informed map generation methods. Finally, we present an experimental study on real-world changes related to pedestrian crossings of the Argoverse 2 Map Change Dataset. To the best of our knowledge, this is the first comprehensive problem investigation of real-world end-to-end element-based HD map change detection and update, and ExelMap the first proposed solution.
- Abstract（参考訳）: 自動走行のための高精細マップ(HD)を配置する上で、取得とメンテナンスは中心的な問題であり、現在の文献では2つの研究ラインが一般的である:オンラインHDマップ生成とHDマップ変更検出である。
しかし、生成したマップの品質は、現在安全な配置には不十分であり、多くの変更検出アプローチは、変更したマップ要素を正確にローカライズして抽出することができない。
本稿では,要素をベースとしたHDマップ変更検出と更新を行う新しいタスクを提案する。
HDマップ更新に先立って,時代遅れのマップを付加したオンラインマッピング技術を用いた最近のアプローチを拡張した上で,変更したマップ要素を具体的に識別する,説明可能な要素ベースのマップ更新戦略であるExelMapを紹介した。
この文脈では、現在使われているメトリクスがどのように変化検出性能を捉えるのに失敗しているかを議論するとともに、事前情報のないマップ生成手法と事前インフォームドマップ生成手法との不公平な比較を可能にする。
最後に,Argoverse 2 Map Change Datasetの歩行者横断に関する実世界変化に関する実験的検討を行った。
私たちの知る限りでは、これは、現実世界のエンドツーエンドの要素ベースのHDマップ変更の検出と更新に関する、初めての包括的な問題調査であり、ExelMapは、最初の提案されたソリューションである。
関連論文リスト
- LDMapNet-U: An End-to-End System for City-Scale Lane-Level Map Updating [38.26911138211464]
レーンレベルの更新は正確な変更情報を必要とし、隣接するデータとの整合性を確保する必要がある。
従来の手法では、3段階のアプローチコンストラクション、変更検出、そしてしばしば精度の制限による手動検証の更新を利用する。
都市規模レーンレベルの地図更新のための新しいエンドツーエンドパラダイムを実装したLDMapNet-Uを提案する。
論文 参考訳（メタデータ） (2025-01-06T05:14:40Z) - 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) - M3TR: Generalist HD Map Construction with Variable Map Priors [6.314412580044879]
本稿では,HDマップ構築のための一般手法であるM3TRを紹介する。
そこで本研究では,意味的に多様なマップ先行モデルを用いた最初の現実シナリオを提案する。
すべての事前シナリオにわたるトレーニングは、以前のExpertモデルと同等のパフォーマンスを持つ単一のジェネリストモデルをもたらすことを示す。
論文 参考訳（メタデータ） (2024-11-15T16:14:48Z) - Enhancing Vectorized Map Perception with Historical Rasterized Maps [37.48510990922406]
我々は,オンラインベクトル化地図知覚を高めるために,低コストな履歴ラスタライズドマップを利用するHRMapNetを提案する。
履歴化された地図は、過去の予測されたベクトル化された結果から容易に構築でき、貴重な補完情報を提供する。
HRMapNetは、ほとんどのオンラインベクトル化マップ認識手法と統合することができる。
論文 参考訳（メタデータ） (2024-09-01T05:22:33Z) - 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) - Updating Street Maps using Changes Detected in Satellite Imagery [28.25061267734934]
本稿では,衛星画像の進行を経時的に反映し,精度を大幅に向上させる手法を提案する。
我々のアプローチはまず、異なるタイミングで撮影した衛星画像を比較して、視覚的に変化した物理的道路網の一部を特定する。
変更に基づくアプローチは,マップ更新エラー率を4倍に削減することを示す。
論文 参考訳（メタデータ） (2021-10-13T02:50:26Z) - 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) - 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) - 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) - 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。