論文の概要: Driving with Context: Online Map Matching for Complex Roads Using Lane Markings and Scenario Recognition

• arxiv url: http://arxiv.org/abs/2505.05007v2
• Date: Sat, 10 May 2025 06:00:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 12:10:05.947088
• Title: Driving with Context: Online Map Matching for Complex Roads Using Lane Markings and Scenario Recognition
• Title（参考訳）: コンテキストによる運転:レーンマーキングとシナリオ認識を用いた複雑な道路のオンラインマップマッチング
• Authors: Xin Bi, Zhichao Li, Yuxuan Xia, Panpan Tong, Lijuan Zhang, Yang Chen, Junsheng Fu,
• Abstract要約: 現在のオンライン地図マッチング手法は、複雑な道路網の誤りを招きやすい。 複数の確率因子を持つ隠れマルコフモデル(HMM)を構築することで、オンライン標準定義(SD)マップマッチング手法を提案する。 提案手法は,路面標識やシナリオ認識を慎重に利用することにより,複雑な道路網においても正確な地図マッチングを実現することができる。
• 参考スコア（独自算出の注目度）: 11.293184441610283
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate online map matching is fundamental to vehicle navigation and the activation of intelligent driving functions. Current online map matching methods are prone to errors in complex road networks, especially in multilevel road area. To address this challenge, we propose an online Standard Definition (SD) map matching method by constructing a Hidden Markov Model (HMM) with multiple probability factors. Our proposed method can achieve accurate map matching even in complex road networks by carefully leveraging lane markings and scenario recognition in the designing of the probability factors. First, the lane markings are generated by a multi-lane tracking method and associated with the SD map using HMM to build an enriched SD map. In areas covered by the enriched SD map, the vehicle can re-localize itself by performing Iterative Closest Point (ICP) registration for the lane markings. Then, the probability factor accounting for the lane marking detection can be obtained using the association probability between adjacent lanes and roads. Second, the driving scenario recognition model is applied to generate the emission probability factor of scenario recognition, which improves the performance of map matching on elevated roads and ordinary urban roads underneath them. We validate our method through extensive road tests in Europe and China, and the experimental results show that our proposed method effectively improves the online map matching accuracy as compared to other existing methods, especially in multilevel road area. Specifically, the experiments show that our proposed method achieves $F_1$ scores of 98.04% and 94.60% on the Zenseact Open Dataset and test data of multilevel road areas in Shanghai respectively, significantly outperforming benchmark methods. The implementation is available at https://github.com/TRV-Lab/LMSR-OMM.
• Abstract（参考訳）: 正確なオンライン地図マッチングは、車両のナビゲーションとインテリジェントな運転機能の活性化に不可欠である。 現在のオンライン地図マッチング手法は、複雑な道路網、特に多層道路網における誤りを生じやすい。 この課題に対処するために、複数の確率因子を持つ隠れマルコフモデル(HMM)を構築することで、オンライン標準定義(SD)マップマッチング手法を提案する。 提案手法は, 路面標識やシナリオ認識を慎重に活用して, 複雑な道路網においても正確な地図マッチングを実現する。 まず,複数車線追跡法によりレーンマーキングを生成し,HMMを用いたSDマップに関連付けてリッチなSDマップを構築する。 リッチSDマップでカバーされた領域では、車両はレーンマーキングに対してICP (Iterative Closest Point) 登録を行うことで、自身を再ローカライズすることができる。 そして、隣接する車線と道路との相関確率を用いて、車線マーキング検出の確率係数を求めることができる。 第2に,運転シナリオ認識モデルを適用し,その下の高架道路や一般都市道路における地図マッチングの性能を向上させるシナリオ認識の排出確率係数を生成する。 本手法は,ヨーロッパと中国における広範な道路試験を通じて検証し,提案手法が既存手法,特に多層道路エリアと比較して,オンライン地図マッチング精度を効果的に向上することを示す。 具体的には,上海における多層道路のオープンデータセットとテストデータにおいて,提案手法が98.04%,94.60%のF_1$スコアを達成し,ベンチマーク手法を著しく上回る結果を得た。 実装はhttps://github.com/TRV-Lab/LMSR-OMMで公開されている。

関連論文リスト

• InterLoc: LiDAR-based Intersection Localization using Road Segmentation with Automated Evaluation Method [10.561470037080177]
  本稿では,LiDARを用いたオンライン車両中心交差点位置推定手法を提案する。 我々は,鳥の視線表示における交差点候補を検出するために,セマンティック・ロードセグメンテーションを車両の局所的なポーズと融合する。 次に、分岐位相を解析し、最小二乗の交叉点を補正することによりそれらの候補を洗練する。
  論文  参考訳（メタデータ） (2025-05-01T13:30:28Z)
• 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)
• Road Graph Generator: Mapping roads at construction sites from GPS data [0.0]
  本稿では,GPS軌道から地図構築地点への道路推定手法を提案する。 この課題は, 建設機械の非標準運動パターンが不安定であることから, 独特な課題である。 提案手法はまず,重要な決定点として機能する道路網の交差点を識別し,エッジと接続してグラフを生成する。
  論文  参考訳（メタデータ） (2024-02-15T12:53:25Z)
• Sketch and Refine: Towards Fast and Accurate Lane Detection [69.63287721343907]
  レーン検出は、現実世界のシナリオの複雑さのため、困難なタスクである。 提案ベースであれキーポイントベースであれ,既存のアプローチでは,車線を効果的かつ効率的に表現することができない。 本稿では,キーポイント法と提案法の両方のメリットを活かした"Sketch-and-Refine"パラダイムを提案する。 実験の結果、我々のSRLaneは高速(278 FPS)で走ることができ、F1スコアは78.9%であることがわかった。
  論文  参考訳（メタデータ） (2024-01-26T09:28:14Z)
• RCLane: Relay Chain Prediction for Lane Detection [76.62424079494285]
  本稿では,リレーチェーン予測に基づく車線検出手法を提案する。 当社の戦略では,TuSimple,CULane,CurveLanes,LLAMASの4つの主要なベンチマーク上で,最先端の新たなベンチマークを確立することが可能です。
  論文  参考訳（メタデータ） (2022-07-19T16:48:39Z)
• Fusion of neural networks, for LIDAR-based evidential road mapping [3.065376455397363]
  LIDARスキャンにおける道路検出に最適化された新しい畳み込みアーキテクチャであるRoadSegを紹介する。 RoadSegは、個々のLIDARポイントを道路に属するか、そうでないかを分類するために使用される。 そこで本研究では,連続した道路検出結果を融合する明らかな道路マッピングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-05T18:14:36Z)
• Laser Data Based Automatic Generation of Lane-Level Road Map for Intelligent Vehicles [1.3185526395713805]
  本稿では,車線レベル自動道路地図生成システムを提案する。 提案システムは,中国河北省の都市部および高速道路で試験されている。 私たちの方法は、優れた抽出とクラスタリング効果を達成することができ、フィッティングラインは10cm未満の誤差で高い位置精度に達することができます。
  論文  参考訳（メタデータ） (2020-12-11T01:09:04Z)
• Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
  本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。 本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。 競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
  論文  参考訳（メタデータ） (2020-12-04T15:10:12Z)
• Road Network Metric Learning for Estimated Time of Arrival [93.0759529610483]
  本稿では,ATA(Estimated Time of Arrival)のための道路ネットワークメトリックラーニングフレームワークを提案する。 本研究は,(1)走行時間を予測する主回帰タスク,(2)リンク埋め込みベクトルの品質向上のための補助的計量学習タスクの2つの構成要素から構成される。 提案手法は最先端モデルよりも優れており,その促進は少ないデータでコールドリンクに集中していることを示す。
  論文  参考訳（メタデータ） (2020-06-24T04:45:14Z)
• UC-Net: Uncertainty Inspired RGB-D Saliency Detection via Conditional Variational Autoencoders [81.5490760424213]
  データラベリングプロセスから学習することで、RGB-Dサリエンシ検出に不確実性を利用するための第1のフレームワーク(UCNet)を提案する。 そこで本研究では,サリエンシデータラベリングにヒントを得て,確率的RGB-Dサリエンシ検出ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-04-13T04:12:59Z)

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。