論文の概要: SatMap: Revisiting Satellite Maps as Prior for Online HD Map Construction
- arxiv url: http://arxiv.org/abs/2601.10512v1
- Date: Thu, 15 Jan 2026 15:39:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-16 19:43:19.19877
- Title: SatMap: Revisiting Satellite Maps as Prior for Online HD Map Construction
- Title（参考訳）: SatMap: オンラインHDマップ構築の先駆けとして衛星地図を再検討
- Authors: Kanak Mazumder, Fabian B. Flohr,
- Abstract要約: 衛星地図と多視点カメラの観測を統合するオンラインベクトル化HDマップ推定手法であるSatMapを提案する。
本手法は,バードアイビュー(BEV)から見た衛星画像からのレーンレベルのセマンティクスとテクスチャをグローバルな先行画像として活用する。
nuScenesデータセットの実験では、SatMapはカメラのみのベースラインよりも34.8%のmAPパフォーマンス向上を達成した。
- 参考スコア（独自算出の注目度）: 0.3265773263570237
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Online high-definition (HD) map construction is an essential part of a safe and robust end-to-end autonomous driving (AD) pipeline. Onboard camera-based approaches suffer from limited depth perception and degraded accuracy due to occlusion. In this work, we propose SatMap, an online vectorized HD map estimation method that integrates satellite maps with multi-view camera observations and directly predicts a vectorized HD map for downstream prediction and planning modules. Our method leverages lane-level semantics and texture from satellite imagery captured from a Bird's Eye View (BEV) perspective as a global prior, effectively mitigating depth ambiguity and occlusion. In our experiments on the nuScenes dataset, SatMap achieves 34.8% mAP performance improvement over the camera-only baseline and 8.5% mAP improvement over the camera-LiDAR fusion baseline. Moreover, we evaluate our model in long-range and adverse weather conditions to demonstrate the advantages of using a satellite prior map. Source code will be available at https://iv.ee.hm.edu/satmap/.
- Abstract（参考訳）: オンラインハイデフィニション(HD)マップの構築は、安全で堅牢なエンドツーエンド自動運転(AD)パイプラインの重要な部分である。
搭載カメラによるアプローチは、被閉塞性による深度知覚の制限と精度の低下に悩まされる。
本研究では,衛星地図と多視点カメラ観測を統合し,下流予測と計画モジュールのためのベクトル化HDマップを直接予測するオンラインベクトル化HDマップ推定手法であるSatMapを提案する。
本手法は,BEV(Bird's Eye View)の観点から捉えた衛星画像からのレーンレベルのセマンティクスとテクスチャを活用し,奥行きの曖昧さと閉塞を効果的に緩和する。
nuScenesデータセットの実験では、SatMapはカメラのみのベースラインに対して34.8%のmAPパフォーマンス改善、カメラ-LiDAR融合ベースラインに対して8.5%のmAP改善を実現している。
さらに,衛星事前マップの利点を示すため,長距離・悪天候条件下でのモデルの評価を行った。
ソースコードはhttps://iv.ee.hm.edu/satmap/.comで入手できる。
関連論文リスト
- SATMapTR: Satellite Image Enhanced Online HD Map Construction [11.506320277209745]
ハイデフィニション(HD)マップは、事前アノテーションからリアルタイムな構築へと進化し、多様なシナリオにおける自動運転のサポートを改善している。
近年の取り組みは衛星画像を補助的な入力として導入し、限られたエゴ視点を補完する安定した広域ビューを提供してきた。
衛星画像を2つのキーコンポーネントに効果的に融合する新しいオンライン地図構築モデルSATMapTRを提案する。
論文 参考訳（メタデータ） (2025-12-12T06:37:20Z) - 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) - OpenSatMap: A Fine-grained High-resolution Satellite Dataset for Large-scale Map Construction [65.4151284975348]
OpenSatMapは、大規模マップ構築のための細粒度で高解像度の衛星データセットである。
データセットの公開とメンテナンスにより、衛星ベースのマップ構築と、自律運転のような下流タスクのための高品質なベンチマークを提供する。
論文 参考訳（メタデータ） (2024-10-30T17:56:02Z) - 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) - Complementing Onboard Sensors with Satellite Map: A New Perspective for
HD Map Construction [31.0701760075554]
高精細(HD)マップは自律運転システムにおいて重要な役割を担っている。
近年,車載センサを用いてHDマップをリアルタイムに構築する手法が提案されている。
搭載センサーを補完する衛星地図を用いて,HDマップ構築を促進する新しい視点を探索する。
論文 参考訳（メタデータ） (2023-08-29T16:33:16Z) - Satellite Image Based Cross-view Localization for Autonomous Vehicle [59.72040418584396]
本稿では,市販の高精細衛星画像を使用可能な地図として利用することにより,良好な精度でクロスビュー車両のローカライゼーションを実現することができることを示す。
本手法はKITTIとFord Multi-AVの季節データセットを地上ビューとして,Google Mapsを衛星ビューとして検証した。
論文 参考訳（メタデータ） (2022-07-27T13:16:39Z) - Beyond Cross-view Image Retrieval: Highly Accurate Vehicle Localization
Using Satellite Image [91.29546868637911]
本稿では,地上画像と架空衛星地図とをマッチングすることにより,車載カメラのローカライゼーションの問題に対処する。
鍵となる考え方は、タスクをポーズ推定として定式化し、ニューラルネットベースの最適化によってそれを解くことである。
標準自動運転車のローカライゼーションデータセットの実験により,提案手法の優位性が確認された。
論文 参考訳（メタデータ） (2022-04-10T19:16:58Z) - 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) - 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。