論文の概要: SEPT: Standard-Definition Map Enhanced Scene Perception and Topology Reasoning for Autonomous Driving

• arxiv url: http://arxiv.org/abs/2505.12246v1
• Date: Sun, 18 May 2025 05:57:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-20 14:57:11.116665
• Title: SEPT: Standard-Definition Map Enhanced Scene Perception and Topology Reasoning for Autonomous Driving
• Title（参考訳）: SEPT: 自律運転におけるシーン知覚とトポロジー推論の標準化
• Authors: Muleilan Pei, Jiayao Shan, Peiliang Li, Jieqi Shi, Jing Huo, Yang Gao, Shaojie Shen,
• Abstract要約: 標準定義(SD)マップ拡張知覚とトポロジー推論フレームワークを提案する。 我々のフレームワークはシーン認識とトポロジ推論の両方を著しく改善し、既存の手法よりも大幅に優れています。
• 参考スコア（独自算出の注目度）: 33.58763384551353
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Online scene perception and topology reasoning are critical for autonomous vehicles to understand their driving environments, particularly for mapless driving systems that endeavor to reduce reliance on costly High-Definition (HD) maps. However, recent advances in online scene understanding still face limitations, especially in long-range or occluded scenarios, due to the inherent constraints of onboard sensors. To address this challenge, we propose a Standard-Definition (SD) Map Enhanced scene Perception and Topology reasoning (SEPT) framework, which explores how to effectively incorporate the SD map as prior knowledge into existing perception and reasoning pipelines. Specifically, we introduce a novel hybrid feature fusion strategy that combines SD maps with Bird's-Eye-View (BEV) features, considering both rasterized and vectorized representations, while mitigating potential misalignment between SD maps and BEV feature spaces. Additionally, we leverage the SD map characteristics to design an auxiliary intersection-aware keypoint detection task, which further enhances the overall scene understanding performance. Experimental results on the large-scale OpenLane-V2 dataset demonstrate that by effectively integrating SD map priors, our framework significantly improves both scene perception and topology reasoning, outperforming existing methods by a substantial margin.
• Abstract（参考訳）: オンラインのシーン認識とトポロジ推論は、自動運転車にとって、特に高精細度(HD)マップへの依存を減らそうとする地図のない運転システムにとって、運転環境を理解することが不可欠である。 しかし、近年のオンラインシーン理解の進歩は、特に長距離または閉鎖シナリオにおいて、オンボードセンサーの固有の制約のため、制限に直面している。 この課題に対処するために,既存の認識・推論パイプラインにSDマップを事前知識として効果的に組み込む方法について検討する,標準決定(SD)マップ強化シーン知覚・位相推論(SEPT)フレームワークを提案する。 具体的には,SDマップとBird-Eye-View(BEV)機能を組み合わせた新たなハイブリッド機能融合戦略を導入し,ラスタ化とベクトル化の両方を考慮し,SDマップとBEV機能空間間の潜在的な不整合を緩和する。 さらに,SDマップの特性を利用して,補助的な交差点対応キーポイント検出タスクを設計し,シーン理解性能をさらに向上させる。 大規模OpenLane-V2データセットによる実験結果から,SDマップの事前処理を効果的に統合することにより,シーン認識とトポロジ推論の両方が大幅に向上し,既存の手法よりも大幅に向上することが示された。

関連論文リスト

• SMART: Advancing Scalable Map Priors for Driving Topology Reasoning [24.614973933683352]
  トポロジー推論は、車線と交通要素間の接続と関係の包括的理解を可能にするため、自動運転にとって不可欠である。 近年,車両搭載センサを用いた運転トポロジの知覚に成功している。 スケーラブルな車線知覚とトポロジー推論の鍵となる要素は、このセンサ依存的特徴の排除である。
  論文  参考訳（メタデータ） (2025-02-06T18:59:57Z)
• MapExpert: Online HD Map Construction with Simple and Efficient Sparse Map Element Expert [7.086030137483952]
  専門家によるオンラインHDマップ手法であるMapExpertを紹介した。 MapExpertは、ルータが配布するスパースの専門家を利用して、様々な非キュビックマップ要素を正確に記述します。
  論文  参考訳（メタデータ） (2024-12-17T09:19:44Z)
• 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)
• Driving with Prior Maps: Unified Vector Prior Encoding for Autonomous Vehicle Mapping [18.97422977086127]
  高精細マップ(HDマップ)は、自動運転車の正確なナビゲーションと意思決定に不可欠である。 オンボードセンサーを用いたHDマップのオンライン構築が有望なソリューションとして浮上した。 本稿では,事前マップのパワーを活用して,これらの制約に対処するPresidedDriveフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-09T06:17:46Z)
• Enhancing Online Road Network Perception and Reasoning with Standard Definition Maps [14.535963852751635]
  我々は,オンラインベクトル化HDマップ表現の開発において,軽量でスケーラブルな事前規格定義(SD)マップを活用することに注力する。 重要な発見は、SDマップエンコーダがモデル非依存であり、鳥の目視(BEV)エンコーダを利用する新しいアーキテクチャに迅速に適応できることである。 この結果から,オンライン地図作成タスクの先行作業としてSDマップを使用すると,コンバージェンスが大幅に向上し,オンラインセンターライン認識タスクの性能が30%向上する可能性が示唆された。
  論文  参考訳（メタデータ） (2024-08-01T19:39:55Z)
• Leveraging Driver Field-of-View for Multimodal Ego-Trajectory Prediction [69.29802752614677]
  RouteFormerは、GPSデータ、環境コンテキスト、運転者の視野を組み合わせた新しいエゴ軌道予測ネットワークである。 データ不足に対処し、多様性を高めるために、同期運転場と視線データに富んだ都市運転シナリオのデータセットであるGEMを導入する。
  論文  参考訳（メタデータ） (2023-12-13T23:06:30Z)
• 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)
• Monocular BEV Perception of Road Scenes via Front-to-Top View Projection [57.19891435386843]
  本稿では,鳥の目視で道路配置と車両占有率によって形成された局所地図を再構築する新しい枠組みを提案する。 我々のモデルは1つのGPU上で25FPSで動作し、リアルタイムパノラマHDマップの再構築に有効である。
  論文  参考訳（メタデータ） (2022-11-15T13:52:41Z)

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。