論文の概要: Radar-based Pose Optimization for HD Map Generation from Noisy Multi-Drive Vehicle Fleet Data

• arxiv url: http://arxiv.org/abs/2603.03453v1
• Date: Tue, 03 Mar 2026 19:09:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.869005
• Title: Radar-based Pose Optimization for HD Map Generation from Noisy Multi-Drive Vehicle Fleet Data
• Title（参考訳）: ノイズの多いマルチドライブ車両データからのHDマップ生成のためのレーダベースポース最適化
• Authors: Alexander Blumberg, Jonas Merkert, Christoph Stiller,
• Abstract要約: 本研究は, 車両ポーズの生のレーダ点雲を用いて, レーダ計測を整列させることにより, 位置化ノイズ成分の緩和に重点を置いている。 コントラストに富んだ特徴の明確さを示し、地図上の主要な特徴型としてガードレールのポストに焦点をあてる。 第二に、改良されたポーズは、既存のレーン境界マップ生成パイプラインの基盤として使用することができ、元の純粋なライン検出に基づく最適化アプローチと比較して、マップ出力を大幅に改善する。
• 参考スコア（独自算出の注目度）: 46.711603517822816
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High-definition (HD) maps are important for autonomous driving, but their manual generation and maintenance is very expensive. This motivates the usage of an automated map generation pipeline. Fleet vehicles provide sufficient sensors for map generation, but their measurements are less precise, introducing noise into the mapping pipeline. This work focuses on mitigating the localization noise component through aligning radar measurements in terms of raw radar point clouds of vehicle poses of different drives and performing pose graph optimization to produce a globally optimized solution between all drives present in the dataset. Improved poses are first used to generate a global radar occupancy map, aimed to facilitate precise on-vehicle localization. Through qualitative analysis we show contrast-rich feature clarity, focusing on omnipresent guardrail posts as the main feature type observable in the map. Second, the improved poses can be used as a basis for an existing lane boundary map generation pipeline, majorly improving map output compared to its original pure line detection based optimization approach.
• Abstract（参考訳）: ハイデフィニション(HD)マップは自動運転において重要であるが、その手動生成とメンテナンスは非常に高価である。 これは、自動マップ生成パイプラインの使用を動機付けている。 艦隊車両は地図生成に十分なセンサーを提供するが、その測定精度は低く、マッピングパイプラインにノイズを発生させる。 この研究は、異なるドライブの車両の生のレーダポイント雲を用いてレーダ測定を調整し、データセットに存在するすべてのドライブ間でグローバルに最適化されたソリューションを作成するためにポーズグラフ最適化を実行することで、ローカライズノイズ成分の緩和に焦点を当てる。 改良されたポーズは、まず、車両の正確な位置決めを容易にすることを目的とした、グローバルなレーダー占有マップを生成するために使用される。 定性的分析により、地図の主特徴型として一様ガードレールの姿勢に着目し、コントラストに富んだ特徴の明確さを示す。 第二に、改良されたポーズは、既存のレーン境界マップ生成パイプラインの基盤として使用することができ、元の純粋なライン検出に基づく最適化アプローチと比較して、マップ出力を大幅に改善する。

関連論文リスト

• Synthetic FMCW Radar Range Azimuth Maps Augmentation with Generative Diffusion Model [9.764772760421792]
  本稿では,現実的な周波数変調連続波レーダレンジアジマスマップを合成するための条件付き生成フレームワークを提案する。 提案手法は,歩行者,車,サイクリストを含む複数の対象カテゴリーのレーダデータを生成するために,生成拡散モデルを利用する。
  論文  参考訳（メタデータ） (2026-01-09T10:59:46Z)
• RadarGen: Automotive Radar Point Cloud Generation from Cameras [64.69976771710057]
  マルチビューカメラ画像からリアルな自動車用レーダー点雲を合成するための拡散モデルRadarGenを提案する。 RadarGenは、鳥の目視でレーダー計測を表現することで、レーダ領域への効率的な画像遅延拡散を適応する。 本稿では,RadarGenが特徴的レーダ計測分布を捕捉し,実データに基づいて学習した知覚モデルとのギャップを小さくすることを示す。
  論文  参考訳（メタデータ） (2025-12-19T18:57:33Z)
• Inferring Driving Maps by Deep Learning-based Trail Map Extraction [5.381140012327021]
  ハイデフィニション(HD)マップは、運転シーンに関する広範囲かつ正確な環境情報を提供する。 最近の傾向は、オフラインマッピングからオンラインマッピングへ移行し、使用済みマップの可用性と現実性を確保している。 ドライバが非公式に使用する経路をマップ作成プロセスに統合する,新たなオフラインマッピング手法を提案する。
  論文  参考訳（メタデータ） (2025-05-15T13:09:19Z)
• 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)
• 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)
• Prior Based Online Lane Graph Extraction from Single Onboard Camera Image [133.68032636906133]
  単眼カメラ画像からレーングラフをオンラインに推定する。 前者は、トランスフォーマーベースのWasserstein Autoencoderを通じてデータセットから抽出される。 オートエンコーダは、最初のレーングラフ推定を強化するために使用される。
  論文  参考訳（メタデータ） (2023-07-25T08:58:26Z)
• Coarse-to-fine Semantic Localization with HD Map for Autonomous Driving in Structural Scenes [1.1024591739346292]
  カメラを主センサとする自動運転のためのHDマップを用いたコスト効率の高い車両位置決めシステムを提案する。 視覚的セマンティクスをHDマップのランドマークにマップするデータアソシエーション問題として視覚に基づくローカライゼーションを定式化する。 本手法を2つのデータセット上で評価し,提案手法が異なる運転シナリオにおいて有望なローカライゼーション結果をもたらすことを示す。
  論文  参考訳（メタデータ） (2021-07-06T11:58:55Z)
• Radar-based Automotive Localization using Landmarks in a Multimodal Sensor Graph-based Approach [0.0]
  本稿では,自動車用レーダによる局部化の問題に対処する。 システムは抽象層としてランドマークとオドメトリ情報を使用する。 単一のセマンティックランドマークマップが、すべてのセンサーで使用され、維持される。
  論文  参考訳（メタデータ） (2021-04-29T07:35:20Z)
• Radar-based Dynamic Occupancy Grid Mapping and Object Detection [55.74894405714851]
  近年、古典的占有グリッドマップのアプローチが動的占有グリッドマップに拡張されている。 本稿では,従来のアプローチのさらなる発展について述べる。 複数のレーダセンサのデータを融合し、グリッドベースの物体追跡・マッピング手法を適用する。
  論文  参考訳（メタデータ） (2020-08-09T09:26:30Z)

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。