論文の概要: HRDX: A Large-Scale Vector HD-Map Dataset

• arxiv url: http://arxiv.org/abs/2606.17080v1
• Date: Thu, 11 Jun 2026 15:08:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 17:15:32.038759
• Title: HRDX: A Large-Scale Vector HD-Map Dataset
• Title（参考訳）: HRDX: 大規模ベクトルHD-Mapデータセット
• Authors: Sahith Reddy Chada, Isht Dwivedi, Nirav Savaliya,
• Abstract要約: ベクトルHDマップ構築のための大規模データセットであるHRDXは,40時間 (1,400 km) の最小重なりのドライブにまたがる。 HRDXは、大規模HDマップ学習、マルチモーダルBEV融合、および訓練時の特権情報に関する再現可能な研究を支援することを目的としている。
• 参考スコア（独自算出の注目度）: 3.968644540944762
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Reliable autonomous driving requires vectorized HD maps that are geometrically accurate, semantically rich, and scalable to long-horizon driving. However, existing public HD map datasets are limited in scale, provide sparse semantic attributes, and lack modalities such as aerial imagery that could enable new research directions. We present HRDX, a large-scale dataset for vector HD-map construction, spanning about 40 hours (1,400 km) of minimally overlapping drives, which is several times larger than prior public HD map datasets. Data is captured using six synchronized surround cameras, a 128-beam LiDAR, and centimeter-level RTK GNSS/IMU, and is further complemented by precisely aligned aerial orthoimagery. Annotations cover 10 vector map classes, complemented with over 20 semantic and topological attributes. To evaluate this richer ontology, we introduce the Composite Score (CS) to jointly assess geometric fidelity and attribute correctness. Benchmark experiments show that HRDX's scale improves online vector-map construction, and that aligned aerial imagery provides a useful structural prior: using aerial imagery at training and/or inference improves geometric map quality, while aerial-augmented teachers can transfer part of this benefit to camera-only students without increasing inference-time sensor requirements. HRDX is intended to support reproducible research on large-scale HD-map learning, multimodal BEV fusion, and training-time privileged information. HRDX dataset and benchmarks are available at https://github.com/honda-research-institute/HRDX
• Abstract（参考訳）: 信頼性の高い自律運転には、幾何学的に正確でセマンティックにリッチで、長距離運転にスケーラブルなベクトル化されたHDマップが必要である。 しかし、既存のパブリックHDマップデータセットは規模が限られており、スパースなセマンティック属性を提供しており、新しい研究の方向性を可能にする航空画像のようなモダリティが欠如している。 本稿では,ベクトルHDマップ構築のための大規模データセットであるHRDXについて述べる。 データは6つの同期サラウンドカメラ、128ビームのLiDARとセンチメートルレベルのRTK GNSS/IMUを使用して撮影され、さらに正確に整列された空中視像によって補完される。 アノテーションは10のベクトルマップクラスをカバーし、20以上の意味的属性とトポロジ的属性を補完する。 よりリッチなオントロジーを評価するために,幾何学的忠実度と属性の正しさを共同評価する複合スコア(CS)を導入する。 ベンチマーク実験により、HRDXのスケールはオンラインベクターマップの構成を改善し、アライメントされた空中画像は、トレーニングや推論で航空画像を使用することで幾何学的マップの品質を向上させる一方で、航空拡張された教師は、推論時間センサーの要求を増大させることなく、この利点の一部をカメラのみの学生に転送することができる。 HRDXは、大規模HDマップ学習、マルチモーダルBEV融合、および訓練時の特権情報に関する再現可能な研究を支援することを目的としている。 HRDXデータセットとベンチマークはhttps://github.com/honda-research-institute/HRDXで公開されている。

関連論文リスト

• 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)
• Radio Map Estimation -- An Open Dataset with Directive Transmitter Antennas and Initial Experiments [49.61405888107356]
  実世界の現実的な都市地図とオープンなデータソースからの航空画像とともに、シミュレーションされた経路損失無線マップのデータセットをリリースする。 モデルアーキテクチャ,入力特徴設計,航空画像からの無線マップの推定に関する実験を行った。
  論文  参考訳（メタデータ） (2024-01-12T14:56:45Z)
• 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)
• InstaGraM: Instance-level Graph Modeling for Vectorized HD Map Learning [8.556482588459899]
  オンラインハイデフィニション(HD)マップ構築は、ポーズの正確な推定において重要な役割を果たす。 オンラインHDマップ構築の最近の進歩は、ベクトル化表現について主に研究されている。 グラフモデリングを利用した新しいHDマップ学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-01-10T08:15:35Z)
• 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)
• HDMapGen: A Hierarchical Graph Generative Model of High Definition Maps [81.86923212296863]
  HDマップは道路路面の正確な定義と交通ルールの豊富な意味を持つ地図である。 実際の道路トポロジやジオメトリはごくわずかで、自動運転スタックをテストする能力は著しく制限されています。 高品質で多様なHDマップを生成可能な階層グラフ生成モデルであるHDMapGenを提案する。
  論文  参考訳（メタデータ） (2021-06-28T17:59:30Z)
• 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。