論文の概要: Geo-Data-Driven HD Map Generation Workflow with Integrated Reference-Free Constraint-Based Verification

• arxiv url: http://arxiv.org/abs/2605.18921v1
• Date: Mon, 18 May 2026 09:08:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:08.882115
• Title: Geo-Data-Driven HD Map Generation Workflow with Integrated Reference-Free Constraint-Based Verification
• Title（参考訳）: 参照制約のない統合検証によるジオデータ駆動型HDマップ生成ワークフロー
• Authors: Ruidi He, Vaibhav Tiwari, Mohanad Al-Ghobari, Meng Zhang, Andreas Rausch,
• Abstract要約: ハイデフィニション(HD)マップは自動走行システムのコアアーティファクトであるが、その生成は一般的にセンサー集約型のモバイルマッピングキャンペーンに依存している。 本稿では,表現レベル検証を統合したHDマップ生成のためのエンジニアリング指向のジオデータ駆動ワークフローを提案する。
• 参考スコア（独自算出の注目度）: 4.735259292476909
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High-definition (HD) maps are core artifacts for automated driving systems, but their generation commonly relies on sensor-intensive mobile mapping campaigns, while quality assessment often depends on high-precision reference data. These dependencies make HD map engineering costly and difficult to apply in settings where specialised measurement data or independently measured reference maps are unavailable. This paper presents an engineering-oriented geo-data-driven workflow for HD map generation with integrated representation-level verification. The workflow uses openly available geo-engineering datasets as the primary input source and transforms them into lane-level HD map representations of existing road environments through explicit intermediate representations and processing stages. To assess the generated representations without external reference maps, the workflow integrates executable constraint-based verification into the engineering process. Selected constraints are derived from specifications relevant to automated driving and road-design guidelines. They are evaluated directly on the generated lanelet-based representation to detect geometric, topological, and elevation-related inconsistencies. The workflow is evaluated using real-world shapefile-based road-network data from four cities in Lower Saxony, Germany, and controlled defect-injection scenarios. The real-world evaluation shows that the generated map representations satisfy the selected constraints in the evaluated scenarios, while the defect-injection study demonstrates complete detection of the considered defect types without observed false positives. The results indicate that geo-data-driven HD map generation with integrated executable verification can provide a modular and inspectable complement to sensor-intensive mapping workflows under reduced sensing and reference-data availability.
• Abstract（参考訳）: ハイデフィニション(HD)マップは自動走行システムのコアアーティファクトであるが、その生成はセンサー集約型のモバイルマッピングキャンペーンに依存し、品質評価はしばしば高精度の参照データに依存している。 これらの依存関係により、特別な測定データや独立に測定された参照マップが利用できないような環境では、HDマップエンジニアリングを費用がかからず、適用が困難になる。 本稿では,表現レベル検証を統合したHDマップ生成のためのエンジニアリング指向のジオデータ駆動ワークフローを提案する。 このワークフローは、公開可能なジオエンジニアリングデータセットを主要な入力ソースとして使用し、明示的な中間表現と処理段階を通じて、既存の道路環境のレーンレベルのHDマップ表現に変換する。 外部参照マップなしで生成された表現を評価するために、ワークフローは実行可能な制約ベースの検証をエンジニアリングプロセスに統合する。 選択された制約は、自動走行と道路設計ガイドラインに関連する仕様から導かれる。 これらは生成したラネレットに基づく表現に基づいて直接評価され、幾何学的、トポロジカル、および標高に関する不整合を検出する。 このワークフローは、ドイツ、ローワーザクセン州の4都市からの実際の形状ファイルに基づく道路ネットワークデータを用いて評価され、欠陥注入のシナリオが制御される。 実世界評価では, 生成した地図表現は, 評価シナリオにおいて選択された制約を満たすことを示し, 欠陥注入試験では, 疑似陽性を伴わずに, 疑似欠陥型を完全検出することを示した。 その結果、ジオデータ駆動型HDマップ生成と統合可能検証により、センサ集約型マッピングワークフローのモジュール的でインスペクタブルな補完を、センシングおよび参照データ可用性の低下下で実現できることが示唆された。

関連論文リスト

• Uncertainty-Instructed Structure Injection for Generalizable HD Map Construction [17.16231247910372]
  UIGenMapは、一般化可能なHDマップベクトル化のための不確実な構造注入手法である。 本稿では、視線ビュー(PV)検出ブランチを導入し、構造的特徴を明示する。 地理的に不整合(geo-based)なデータに挑戦する実験は、UIGenMapが優れたパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2025-03-29T15:01:38Z)
• HisTrackMap: Global Vectorized High-Definition Map Construction via History Map Tracking [24.21124150354725]
  本稿では,地図要素の履歴軌跡を時間的に追跡することで,新たなエンドツーエンド追跡フレームワークのグローバルマップ構築を提案する。 このトラッキングフレームワーク内にMap-Trajectory Prior Fusionモジュールを導入し、追跡されたインスタンスの過去の事前情報を活用して、時間的滑らかさと連続性を改善する。 nuScenesとArgoverse2データセットに関する実質的な実験により、提案手法は、単一フレームおよび時間メトリクスの両方において、最先端(SOTA)メソッドよりも優れていることが示された。
  論文  参考訳（メタデータ） (2025-03-10T10:44:43Z)
• 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)
• Map-aided annotation for pole base detection [0.0]
  本稿では2次元HDマップを用いて,画像中の極状特徴を自動的にアノテートする。 高さ情報がない場合、地図の特徴は地上のポールベースとして表現される。 ポールベースを検出するためにオブジェクト検出器をどのように訓練するかを示す。
  論文  参考訳（メタデータ） (2024-03-04T09:23:11Z)
• 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)
• Robust Self-Tuning Data Association for Geo-Referencing Using Lane Markings [44.4879068879732]
  本稿では,データアソシエーションにおけるあいまいさを解消するための完全なパイプラインを提案する。 その中核は、測定のエントロピーに応じて探索領域に適応する堅牢な自己調整データアソシエーションである。 ドイツ・カールスルーエ市周辺の都市・農村のシナリオを実データとして評価した。
  論文  参考訳（メタデータ） (2022-07-28T12:29:39Z)
• Gaussian Process Gradient Maps for Loop-Closure Detection in Unstructured Planetary Environments [17.276441789710574]
  以前にマップされた位置を認識する能力は、自律システムにとって不可欠な機能である。 非構造的な惑星のような環境は、地形の類似性のためにこれらのシステムに大きな課題をもたらす。 本稿では,空間情報のみを用いたループ閉鎖問題の解法を提案する。
  論文  参考訳（メタデータ） (2020-09-01T04:41:40Z)
• 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)
• 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)

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。