論文の概要: Enhancing Inverse Perspective Mapping for Automatic Vectorized Road Map Generation

• arxiv url: http://arxiv.org/abs/2601.19536v1
• Date: Tue, 27 Jan 2026 12:27:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 05:30:17.486798
• Title: Enhancing Inverse Perspective Mapping for Automatic Vectorized Road Map Generation
• Title（参考訳）: 自動ベクトル化道路マップ生成のための逆パースペクティブマッピングの強化
• Authors: Hongji Liu, Linwei Zheng, Yongjian Li, Mingkai Tang, Xiaoyang Yan, Ming Liu, Jun Ma,
• Abstract要約: 拡張逆パースペクティブマッピング(IPM)を利用したベクトル化道路マッピングのための低コストで統一的なフレームワークを提案する。 提案するフレームワークは,IMMに関連するマッピングエラーを著しく低減する。 また、初期IPMホモグラフィ行列と予測された車両のポーズの精度も向上する。
• 参考スコア（独自算出の注目度）: 7.3816044335408355
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this study, we present a low-cost and unified framework for vectorized road mapping leveraging enhanced inverse perspective mapping (IPM). In this framework, Catmull-Rom splines are utilized to characterize lane lines, and all the other ground markings are depicted using polygons uniformly. The results from instance segmentation serve as references to refine the three-dimensional position of spline control points and polygon corner points. In conjunction with this process, the homography matrix of IPM and vehicle poses are optimized simultaneously. Our proposed framework significantly reduces the mapping errors associated with IPM. It also improves the accuracy of the initial IPM homography matrix and the predicted vehicle poses. Furthermore, it addresses the limitations imposed by the coplanarity assumption in IPM. These enhancements enable IPM to be effectively applied to vectorized road mapping, which serves a cost-effective solution with enhanced accuracy. In addition, our framework generalizes road map elements to include all common ground markings and lane lines. The proposed framework is evaluated in two different practical scenarios, and the test results show that our method can automatically generate high-precision maps with near-centimeter-level accuracy. Importantly, the optimized IPM matrix achieves an accuracy comparable to that of manual calibration, while the accuracy of vehicle poses is also significantly improved.
• Abstract（参考訳）: 本研究では,拡張逆視点マッピング(IPM)を利用したベクトル化道路マッピングのための低コストで統一的なフレームワークを提案する。 この枠組みでは、Catamull-Romスプラインを用いて車線を特徴付け、他の全てのグラウンドマーキングをポリゴンで一様に表現する。 インスタンスセグメンテーションの結果は、スプライン制御点とポリゴン角点の3次元位置を洗練するための基準となる。 このプロセスと合わせて、IMMと車両ポーズのホモグラフィ行列を同時に最適化する。 提案するフレームワークは,IMMに関連するマッピングエラーを著しく低減する。 また、初期IPMホモグラフィ行列と予測車両のポーズの精度も向上する。 さらに、IPMのコプレーナリティ仮定によって課される制限に対処する。 これらの拡張により、IPMをベクトル化道路マッピングに効果的に適用することができ、精度が向上したコスト効率の高いソリューションを提供する。 さらに,本フレームワークは道路地図要素を一般化し,共通点と車線を全て含んでいる。 提案手法は,2つの実践シナリオで評価され,テスト結果から,約センチメートルの精度で高精度マップを自動生成できることが示されている。 重要なことは、最適化されたIMM行列は手動のキャリブレーションに匹敵する精度を達成する一方で、車両のポーズの精度も大幅に向上する。

関連論文リスト

• Influence of Geometry, Class Imbalance and Alignment on Reconstruction Accuracy -- A Micro-CT Phantom-Based Evaluation [0.0]
  医療スキャンから生成された3Dモデルの精度は、イメージングハードウェア、セグメンテーション方法、メッシュ処理技術に依存する。 この研究は、再構築パイプライン全体のエラーを評価し、ボクセルと表面ベース精度メトリクスの使用について検討する。
  論文  参考訳（メタデータ） (2026-02-07T18:33:34Z)
• 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)
• RoadPainter: Points Are Ideal Navigators for Topology transformER [10.179711440042123]
  トポロジ推論は、道路シーンの正確な理解を提供することを目的としており、自律システムは安全かつ効率的なルートを特定できる。 多視点画像を用いた車線中心線のトポロジの検出と推論のための革新的なアプローチであるRoadPainterを提案する。
  論文  参考訳（メタデータ） (2024-07-22T03:23:35Z)
• Volumetric Semantically Consistent 3D Panoptic Mapping [77.13446499924977]
  非構造環境における自律エージェントに適したセマンティック3Dマップを生成することを目的としたオンライン2次元から3次元のセマンティック・インスタンスマッピングアルゴリズムを提案する。 マッピング中にセマンティック予測の信頼性を統合し、セマンティックおよびインスタンス一貫性のある3D領域を生成する新しい方法を導入する。 提案手法は,パブリックな大規模データセット上での最先端の精度を実現し,多くの広く使用されているメトリクスを改善した。
  論文  参考訳（メタデータ） (2023-09-26T08:03:10Z)
• 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 Jacobian Fields: Learning Intrinsic Mappings of Arbitrary Meshes [38.157373733083894]
  本稿では,ニューラルネットワークによる任意のメッシュの断片的線形マッピングを正確に予測するフレームワークを提案する。 このフレームワークは、グローバルな形状記述子に条件付けされた単一点の行列の予測に神経的な側面を還元することに基づいている。 個々のメッシュの固有の勾配領域で操作することで、フレームワークは高度に正確なマッピングを予測できる。
  論文  参考訳（メタデータ） (2022-05-05T19:51:13Z)
• Rethinking Localization Map: Towards Accurate Object Perception with Self-Enhancement Maps [78.2581910688094]
  本研究は, カテゴリーラベルのみを監督として, 正確な対象位置分布マップと対象境界を抽出する, 新たな自己強調手法を提案する。 特に、提案されたセルフエンハンスメントマップは、ILSVRC上で54.88%の最先端のローカライゼーション精度を達成する。
  論文  参考訳（メタデータ） (2020-06-09T12:35:55Z)
• Augmented Parallel-Pyramid Net for Attention Guided Pose-Estimation [90.28365183660438]
  本稿では、注意部分モジュールと微分可能な自動データ拡張を備えた拡張並列ピラミドネットを提案する。 我々は、データ拡張のシーケンスをトレーニング可能なCNNコンポーネントとして定式化する新しいポーズ検索空間を定義する。 特に,本手法は,挑戦的なCOCOキーポイントベンチマークとMPIIデータセットの最先端結果において,トップ1の精度を実現する。
  論文  参考訳（メタデータ） (2020-03-17T03:52:17Z)

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。