論文の概要: LDMapNet-U: An End-to-End System for City-Scale Lane-Level Map Updating

• arxiv url: http://arxiv.org/abs/2501.02763v2
• Date: Mon, 13 Jan 2025 01:21:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-14 14:24:50.239561
• Title: LDMapNet-U: An End-to-End System for City-Scale Lane-Level Map Updating
• Title（参考訳）: LDMapNet-U: 都市規模のレーンレベルマップ更新のためのエンド・ツー・エンドシステム
• Authors: Deguo Xia, Weiming Zhang, Xiyan Liu, Wei Zhang, Chenting Gong, Xiao Tan, Jizhou Huang, Mengmeng Yang, Diange Yang,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 38.26911138211464
• License:
• Abstract: An up-to-date city-scale lane-level map is an indispensable infrastructure and a key enabling technology for ensuring the safety and user experience of autonomous driving systems. In industrial scenarios, reliance on manual annotation for map updates creates a critical bottleneck. Lane-level updates require precise change information and must ensure consistency with adjacent data while adhering to strict standards. Traditional methods utilize a three-stage approach-construction, change detection, and updating-which often necessitates manual verification due to accuracy limitations. This results in labor-intensive processes and hampers timely updates. To address these challenges, we propose LDMapNet-U, which implements a new end-to-end paradigm for city-scale lane-level map updating. By reconceptualizing the update task as an end-to-end map generation process grounded in historical map data, we introduce a paradigm shift in map updating that simultaneously generates vectorized maps and change information. To achieve this, a Prior-Map Encoding (PME) module is introduced to effectively encode historical maps, serving as a critical reference for detecting changes. Additionally, we incorporate a novel Instance Change Prediction (ICP) module that learns to predict associations with historical maps. Consequently, LDMapNet-U simultaneously achieves vectorized map element generation and change detection. To demonstrate the superiority and effectiveness of LDMapNet-U, extensive experiments are conducted using large-scale real-world datasets. In addition, LDMapNet-U has been successfully deployed in production at Baidu Maps since April 2024, supporting map updating for over 360 cities and significantly shortening the update cycle from quarterly to weekly. The updated maps serve hundreds of millions of users and are integrated into the autonomous driving systems of several leading vehicle companies.
• Abstract（参考訳）: 最新の都市レベルの車線マップは必要不可欠なインフラであり、自動運転システムの安全性とユーザエクスペリエンスを確保するための重要な技術である。 産業シナリオでは、マップ更新のための手動アノテーションへの依存が重要なボトルネックを生み出します。 レーンレベルの更新には正確な変更情報が必要であり、厳格な標準に準拠しながら、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、更新が用いられており、精度の制限により手動による検証が必要な場合が多い。 その結果、労働集約的なプロセスとハマーのタイムリーな更新が実現します。 これらの課題に対処するために,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。 過去の地図データに基づくエンド・ツー・エンドの地図生成プロセスとして更新タスクを再認識することにより,ベクトル化された地図と情報の変更を同時に生成するマップ更新のパラダイムシフトを導入する。 これを実現するために、過去の地図を効果的にエンコードするためにPMEモジュールを導入し、変更を検出するための重要な基準として機能する。 さらに,過去の地図との関連性を予測するために,新たなICPモジュールを組み込んだ。 これにより、LDMapNet-Uはベクトル化されたマップ要素の生成と変更検出を同時に実現する。 LDMapNet-Uの優位性と有効性を示すため,大規模な実世界のデータセットを用いて広範な実験を行った。 さらに、LDMapNet-Uは2024年4月からBaidu Mapsで運用に成功しており、360以上の都市でのマップ更新をサポートし、四半期毎から週毎の更新サイクルを大幅に短縮している。 アップデートされたマップは数億人のユーザーに提供され、いくつかの主要自動車会社の自動運転システムに統合されている。

関連論文リスト

• Map++: Towards User-Participatory Visual SLAM Systems with Efficient Map Expansion and Sharing [15.481433997371925]
  本稿では,地図作成タスクを地図利用者に委譲する参加型センシング手法を提案する。 提案手法は,利用者の集合的努力を生かし,環境が発展するにつれて地図の拡張と更新を促進させる。 我々は、プラグイン・アンド・プレイ拡張として機能する効率的なシステムであるMap++を開発した。
  論文  参考訳（メタデータ） (2024-11-04T19:35:46Z)
• 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)
• ExelMap: Explainable Element-based HD-Map Change Detection and Update [2.79552147676281]
  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。
  論文  参考訳（メタデータ） (2024-09-16T11:17:33Z)
• ML Updates for OpenStreetMap: Analysis of Research Gaps and Future Directions [0.0]
  正確な最新の地図を維持することは、あらゆる動的な都市景観において重要である。 従来の(主に手動の)マップ生産とクラウドソースのマッピング手法は、構築された環境の急速な変化とペースを維持するのに依然として苦労している。 GoogleやMicrosoftのようなテクノロジーの巨人は、この現代のマッピング問題に対処するための機械学習(ML)技術の調査をすでに始まっている。
  論文  参考訳（メタデータ） (2024-06-28T23:51:04Z)
• 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)
• 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)
• 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)
• Beyond Road Extraction: A Dataset for Map Update using Aerial Images [3.993449663756883]
  地図更新タスクのためのMUNO21と呼ばれる新しいデータセットを開発した。 MUNO21上での最先端道路抽出手法について検討した。
  論文  参考訳（メタデータ） (2021-10-10T03:05:42Z)
• 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。