論文の概要: Control Map Distribution using Map Query Bank for Online Map Generation
- arxiv url: http://arxiv.org/abs/2504.03868v1
- Date: Fri, 04 Apr 2025 18:47:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-08 14:11:41.813462
- Title: Control Map Distribution using Map Query Bank for Online Map Generation
- Title（参考訳）: オンライン地図生成のためのMap Query Bank を用いた制御マップ分布
- Authors: Ziming Liu, Leichen Wang, Ge Yang, Xinrun Li, Xingtao Hu, Hao Sun, Guangyu Gao,
- Abstract要約: 信頼性の高い自動運転システムは、計画とナビゲーションのために高精細(HD)マップを必要とする。
OMGは、ローカルHDマップを構築するための代替の低コストソリューションになっている。
OMGは初期地図クエリ分布からHDマップ予測を学習する。
BEV機能マップと対話する場合、ポイントレベルの情報をマップクエリに保持することが重要である。
- 参考スコア（独自算出の注目度）: 18.325267388089696
- License:
- Abstract: Reliable autonomous driving systems require high-definition (HD) map that contains detailed map information for planning and navigation. However, pre-build HD map requires a large cost. Visual-based Online Map Generation (OMG) has become an alternative low-cost solution to build a local HD map. Query-based BEV Transformer has been a base model for this task. This model learns HD map predictions from an initial map queries distribution which is obtained by offline optimization on training set. Besides the quality of BEV feature, the performance of this model also highly relies on the capacity of initial map query distribution. However, this distribution is limited because the limited query number. To make map predictions optimal on each test sample, it is essential to generate a suitable initial distribution for each specific scenario. This paper proposes to decompose the whole HD map distribution into a set of point representations, namely map query bank (MQBank). To build specific map query initial distributions of different scenarios, low-cost standard definition map (SD map) data is introduced as a kind of prior knowledge. Moreover, each layer of map decoder network learns instance-level map query features, which will lose detailed information of each point. However, BEV feature map is a point-level dense feature. It is important to keep point-level information in map queries when interacting with BEV feature map. This can also be solved with map query bank method. Final experiments show a new insight on SD map prior and a new record on OpenLaneV2 benchmark with 40.5%, 45.7% mAP on vehicle lane and pedestrian area.
- Abstract（参考訳）: 信頼性の高い自動運転システムは、計画とナビゲーションのための詳細な地図情報を含む高精細(HD)マップを必要とする。
しかし、ビルド済みのHDマップには大きなコストがかかる。
ビジュアルベースのオンラインマップ生成(OMG)は、ローカルHDマップを構築するための代替の低コストソリューションとなっている。
クエリベースのBEV Transformerはこのタスクのベースモデルです。
本モデルは,トレーニングセットのオフライン最適化により得られた初期地図クエリ分布からHDマップ予測を学習する。
BEVの質に加えて、このモデルの性能は初期地図クエリの分散能力にも大きく依存している。
しかし、この分布はクエリ数に制限があるため制限されている。
各テストサンプルに対してマップ予測を最適にするためには,各シナリオに対して適切な初期分布を生成することが不可欠である。
本稿では,HD マップ全体の分布を点表現,すなわち Map query bank (MQBank) の集合に分解することを提案する。
異なるシナリオの特定のマップクエリの初期分布を構築するために、低コストの標準定義マップ(SDマップ)データを事前知識の一種として紹介する。
さらに、マップデコーダネットワークの各レイヤは、各ポイントの詳細な情報を失うインスタンスレベルのマップクエリ機能を学ぶ。
しかし、BEVの特徴マップはポイントレベルの高密度な特徴である。
BEV機能マップと対話する場合、ポイントレベルの情報をマップクエリに保持することが重要である。
これはmap query bank法でも解決できる。
最終実験では、以前のSDマップに関する新たな知見と、OpenLaneV2ベンチマークにおける新たな記録が示され、車線と歩行者エリアにおける40.5%、45.7%のmAPが記録されている。
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) - VQ-Map: Bird's-Eye-View Map Layout Estimation in Tokenized Discrete Space via Vector Quantization [108.68014173017583]
Bird's-eye-view (BEV) マップのレイアウト推定には、エゴ車の周囲の環境要素のセマンティクスを正確に完全に理解する必要がある。
本稿では,Vector Quantized-Variational AutoEncoder (VQ-VAE) に似た生成モデルを用いて,トークン化された離散空間における高レベルのBEVセマンティクスの事前知識を取得することを提案する。
得られたBEVトークンには,異なるBEV要素のセマンティクスを包含したコードブックが組み込まれているため,スパースバックボーン画像特徴と得られたBEVトークンとを直接一致させることができる。
論文 参考訳（メタデータ） (2024-11-03T16:09:47Z) - 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) - Leveraging Enhanced Queries of Point Sets for Vectorized Map Construction [15.324464723174533]
本稿では,オンラインベクトル化マップ構築のためのクエリ機能の向上を重視したエンドツーエンド手法であるMapQRを紹介する。
MapQR はscatter-and-gather クエリと呼ばれる新しいクエリ設計を採用している。
提案したMapQRは,最高平均精度(mAP)を達成し,nuScenesとArgoverse 2.0の両方で良好な効率を維持する。
論文 参考訳（メタデータ） (2024-02-27T11:43:09Z) - Mind the map! Accounting for existing map information when estimating online HDMaps from sensor [15.275704436439012]
HDMapをセンサーから推定することで、コストを大幅に削減できる。
提案手法は,HDMapを推定する際の正確な状況の既存のマップを推定する。
我々は,新しいオンラインHDMap推定フレームワークであるMapEXを紹介する。
論文 参考訳（メタデータ） (2023-11-17T13:40:10Z) - 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) - NeMO: Neural Map Growing System for Spatiotemporal Fusion in
Bird's-Eye-View and BDD-Map Benchmark [9.430779563669908]
視覚中心のBird's-Eye View表現は自律運転システムに不可欠である。
この研究は、読みやすく、説明可能なビッグマップを利用してローカルマップを生成するための、NeMOという新しいパラダイムを概説する。
すべてのBEVグリッドの特徴分布が同じパターンに従うと仮定して、すべてのグリッドに対して共有重み付きニューラルネットワークを採用して、ビッグマップを更新する。
論文 参考訳（メタデータ） (2023-06-07T15:46:15Z) - Long-term Visual Map Sparsification with Heterogeneous GNN [47.12309045366042]
本稿では,環境変化を克服し,将来のローカライゼーションに有用な点を選択することで,地図サイズを同時に削減することを目的とする。
グラフニューラルネットワーク(GNN)の最近の進歩に触発されて,SfMマップを異種グラフとしてモデル化し,GNNを用いて3次元点重要度を推定する最初の研究を提案する。
2つの新しい監督手法が提案されている: 1) トレーニングクエリに基づく将来のローカライゼーションに有用なポイントを選択するためのデータ適合用語、2) スパースポイントをフルマップで選択するためのK-Cover用語。
論文 参考訳（メタデータ） (2022-03-29T01:46:12Z) - 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) - 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)
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。