論文の概要: Robust Localization for Autonomous Vehicles in Highway Scenes

• arxiv url: http://arxiv.org/abs/2604.22040v1
• Date: Thu, 23 Apr 2026 19:54:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-27 15:36:26.255743
• Title: Robust Localization for Autonomous Vehicles in Highway Scenes
• Title（参考訳）: 高速道路シーンにおける自動運転車のロバストな位置決め
• Authors: Daqian Cheng, Xuchu Ding, Yujia Wu, Xiang Zhang, Lei Wang,
• Abstract要約: 高速道路の課題に対処するロバストなローカライズシステムを提案する。 システムは、環境変化に対処するために3次元の幾何学構造と2次元の道路テクスチャキューを分離するデュアルライクなLiDARフロントエンドを使用する。 自動オフラインマッピングとグランドトラスパイプラインは、最適なローカライゼーション性能を得るために、マップを高いケイデンスで更新する。
• 参考スコア（独自算出の注目度）: 5.294056268363123
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Localization for autonomous vehicles on highways remains under-explored compared to urban roads, and state-of-the-art methods for urban scenes degrade when directly applied to highways. We identify key challenges including environment changes under information homogeneity, heavy occlusion, degraded GNSS signals, and stringent downstream requirements on accuracy and latency. We propose a robust localization system to address highway challenges, which uses a dual-likelihood LiDAR front end that decouples 3D geometric structures and 2D road-texture cues to handle environment changes; a Control-EKF further leverages steering and acceleration commands to reduce lag and improve closed-loop behavior. An automated offline mapping and ground-truth pipeline keep maps fresh at high cadence for optimal localization performance. To catalyze progress, we release a public dataset covering both urban roads and highways while focusing on representative challenging highway clips, totaling 163 km; benchmarking is standardized using product-oriented accuracy metrics and certified ground truth. Compared to Apollo and Autoware, our system performs similarly on urban roads but shows superior robustness on challenging highway scenarios. The system has been validated by more than one million kilometers of road testing.
• Abstract（参考訳）: 高速道路での自動運転車のローカライゼーションは、都市道路と比較して未調査のままであり、高速道路に直接適用されると都市景観の最先端の手法が劣化する。 情報均質性の下での環境変化、重閉塞、劣化したGNSS信号、精度とレイテンシの厳しい下流要求など、重要な課題を識別する。 環境変化に対応するために3次元形状構造と2次元道路テクスチャキューを分離する2次元LiDARフロントエンドを用いた高架道路問題に対するロバストなローカライゼーションシステムを提案し,さらに制御-EKFは、ステアリングと加速度コマンドを活用してラグの低減と閉ループ挙動の改善を行う。 自動オフラインマッピングとグランドトラスパイプラインは、最適なローカライゼーション性能を得るために、マップを高いケイデンスで更新する。 本研究は,都市道路と高速道路を包含する公共データセットを公開し,163kmの幹線道路クリップに焦点をあてて,製品指向の精度測定値と認証された地上真実を用いてベンチマークを標準化する。 また,ApolloやAutowareと比較すると,都市道路でも同様に機能するが,高架道路の難易度に優れたロバスト性を示す。 このシステムは100万km以上の道路試験で検証されている。

関連論文リスト

• Spatially-Aware Adaptive Trajectory Optimization with Controller-Guided Feedback for Autonomous Racing [74.83272587893508]
  本稿では,NURBSに基づく軌道表現,CMA-ESグローバル軌道最適化,コントローラ誘導空間フィードバックを組み合わせた自律レースライン最適化フレームワークを提案する。 シミュレーションでは,最大静的加速度をパラメータ化したコントローラと比較して17.38%のラップタイム短縮を実現している。 高摩擦から低摩擦まで様々なタイヤ化合物で試験された実ハードウェアでは、摩擦を明示的にパラメータ化することなく、7.60%のラップタイムの改善が得られる。
  論文  参考訳（メタデータ） (2026-02-17T15:10:44Z)
• Establishing Reality-Virtuality Interconnections in Urban Digital Twins for Superior Intelligent Road Inspection [8.677223673536092]
  道路の整備と交通安全を確保するためには道路検査が不可欠である。 手作業による評価に依存する従来の手法は、労働集約的でコストがかかり、時間を要する。 本稿では,インテリジェント道路検査のためのUrban Digital Twin(UDT)技術に基づくシステムを提案する。
  論文  参考訳（メタデータ） (2024-12-23T16:31:29Z)
• RoadRunner -- Learning Traversability Estimation for Autonomous Off-road Driving [13.101416329887755]
  我々は、カメラとLiDARセンサーの入力から直接地形変動を予測できるフレームワークであるRoadRunnerと、標高マップを提示する。 RoadRunnerは、センサ情報、不確実性の処理、コンテキスト情報による予測の生成を融合させることで、信頼性の高い自律ナビゲーションを可能にする。 我々は,非構造砂漠環境を通した複数の現実の運転シナリオにおいて,安全かつ信頼性の高いオフロードナビゲーションを実現する上で,ロードランナーの有効性を実証する。
  論文  参考訳（メタデータ） (2024-02-29T16:47:54Z)
• RSRD: A Road Surface Reconstruction Dataset and Benchmark for Safe and Comfortable Autonomous Driving [67.09546127265034]
  道路表面の再構築は、車両の走行計画と制御システムの解析と予測を促進するのに役立つ。 我々は,様々な運転条件下で,特定のプラットフォームで収集した実世界,高解像度,高精度のデータセットであるRoad Surface Reconstructionデータセットを紹介した。 約16,000対のステレオ画像、原点雲、地中深度・不均等地図を含む一般的な道路形態を網羅している。
  論文  参考訳（メタデータ） (2023-10-03T17:59:32Z)
• OpenLane-V2: A Topology Reasoning Benchmark for Unified 3D HD Mapping [84.65114565766596]
  交通シーン構造を考慮したトポロジ推論のための最初のデータセットであるOpenLane-V2を提案する。 OpenLane-V2は2000のアノテートされた道路シーンで構成され、交通要素と車線との関係を記述している。 様々な最先端手法を評価し,OpenLane-V2の定量的,定性的な結果を示し,交通現場におけるトポロジ推論の今後の道筋を示す。
  論文  参考訳（メタデータ） (2023-04-20T16:31:22Z)
• Dynamic loss balancing and sequential enhancement for road-safety assessment and traffic scene classification [0.0]
  道路安全検査は、道路インフラに寄与する道路事故死者を減らすのに欠かせない手段である。 最近の研究は、道路安全属性としても知られる、慎重に選択されたリスク要因の観点から、道路安全評価を形式化している。 本稿では,2段階のニューラルネットワークによる認識を自動化することにより,退屈な人的労働への依存を減らすことを提案する。
  論文  参考訳（メタデータ） (2022-11-08T11:10:07Z)
• Road Network Guided Fine-Grained Urban Traffic Flow Inference [108.64631590347352]
  粗いトラフィックからのきめ細かなトラフィックフローの正確な推測は、新たな重要な問題である。 本稿では,道路ネットワークの知識を活かした新しい道路対応交通流磁化器(RATFM)を提案する。 提案手法は,高品質なトラフィックフローマップを作成できる。
  論文  参考訳（メタデータ） (2021-09-29T07:51:49Z)

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。