論文の概要: Driver2Map: Imitating Human Driving for Online High-Definition Map Construction
- arxiv url: http://arxiv.org/abs/2608.01338v1
- Date: Sun, 02 Aug 2026 16:01:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.168649
- Title: Driver2Map: Imitating Human Driving for Online High-Definition Map Construction
- Title（参考訳）: Driver2Map: オンライン高精細マップ構築のための人間運転の省力化
- Abstract要約: Driver2Mapは、人間のドライバーにインスパイアされたオンラインHDマップ構築モデルである。
本研究では,異なるモード間の空間的不整合を低減するための「二段階アライメント」戦略を提案する。
また,多視点機能を適応的に重み付けする「Pose-Guided BEV Fusion」も導入した。
- 参考スコア（独自算出の注目度）: 12.803717290163746
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High-definition (HD) maps are essential for autonomous driving systems. In constructing such maps, onboard multi-view camera images, standard-definition maps and satellite images provide crucial information. However, due to the modality and perspective differences among these data sources, existing methods often struggle to effectively align and fuse them, making online HD map construction still challenging. To address these issues, we propose Driver2Map, an online HD map construction model inspired by human drivers. Unlike existing HD map construction models that utilize only two modalities, our Driver2Map can simultaneously exploit three modalities. Specifically, we propose a "two-stage alignment" strategy to reduce spatial misalignment across different modalities. Additionally, we introduce "Pose-Guided BEV Fusion", a BEV (bird's-eye-view) generation module that leverages camera pose information to adaptively weight multi-view features, thereby effectively suppressing cross-view feature overlap during BEV generation. Also, we design a "Pretrained Prior for Map Refinement" module to refine the initial prediction by learning map structure priors, thus improving the HD map prediction under dynamic occlusions. Extensive experiments demonstrate that Driver2Map outperforms existing methods on both IoU and AP metrics.
- Abstract（参考訳）: 高精細(HD)マップは自律運転システムに不可欠である。
このような地図を作成する際には、搭載されているマルチビューカメラ画像、標準定義マップ、衛星画像が重要な情報を提供する。
しかし、これらのデータソース間のモダリティや視点の違いから、既存の手法は効果的に整列と融合に苦しむことが多く、オンラインHDマップの構築は依然として困難である。
これらの問題に対処するために,人間のドライバーにインスパイアされたオンラインHDマップ構築モデルである Driver2Map を提案する。
2つのモードしか利用していない既存のHDマップ構築モデルとは異なり、ドライバ2Mapは3つのモードを同時に利用できます。
具体的には,異なるモード間の空間的不整合を低減するための「二段階アライメント」戦略を提案する。
さらに,BEV生成モジュールであるPose-Guided BEV Fusionを導入し,カメラポーズ情報を利用して多視点特徴を適応的に重み付けし,BEV生成時のクロスビュー機能の重複を効果的に抑制する。
また,地図構造を学習することで,初期予測を洗練させる「事前事前学習」モジュールを設計し,動的閉塞下でのHDマップ予測を改善する。
大規模な実験では、Driver2MapはIoUとAPの両方のメトリクスで既存のメソッドよりも優れています。
関連論文リスト
- OptiMVMap: Offline Vectorized Map Construction via Optimal Multi-vehicle Perspectives [111.69010751405368]
オフラインベクトル化マップは、高精度の自動運転およびマッピングサービスの重要な基盤となっている。
既存のアプローチは、基本的に視点の不十分さに苦しむ1つのエゴ車軌道に大きく依存している。
本稿では,これらの課題に体系的に対処するために,多車種対応マップを選択型ヒューズ問題として再構成するOptiMVMapを提案する。
論文 参考訳（メタデータ） (2026-04-18T20:23:27Z) - MapRF: Weakly Supervised Online HD Map Construction via NeRF-Guided Self-Training [6.6099504578472414]
MapRFは弱い教師付きフレームワークであり、2Dイメージラベルのみを使用して3Dマップを構築することを学ぶ。
自己学習中の誤差蓄積を軽減するため,マップ・ツー・レイマッチング方式を提案する。
論文 参考訳（メタデータ） (2025-11-24T07:23:10Z) - Leveraging V2X for Collaborative HD Maps Construction Using Scene Graph Generation [0.0]
HDマップは自動運転車のナビゲーションにおいて重要な役割を担い、精度と安全性を向上させるために搭載された知覚センサーを補完する。
従来のHDマップ生成は、コストがかかりリアルタイムのインフラ変更をキャプチャできない専用のマッピング車両に依存している。
本稿では,V2X通信とScene Graph Generationを利用する新しいフレームワークであるHDMapLaneNetについて述べる。
論文 参考訳（メタデータ） (2025-02-14T12:56:10Z) - 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) - Driving with Prior Maps: Unified Vector Prior Encoding for Autonomous Vehicle Mapping [18.97422977086127]
高精細マップ(HDマップ)は、自動運転車の正確なナビゲーションと意思決定に不可欠である。
オンボードセンサーを用いたHDマップのオンライン構築が有望なソリューションとして浮上した。
本稿では,事前マップのパワーを活用して,これらの制約に対処するPresidedDriveフレームワークを提案する。
論文 参考訳（メタデータ） (2024-09-09T06:17:46Z) - Enhancing Online Road Network Perception and Reasoning with Standard Definition Maps [14.535963852751635]
我々は,オンラインベクトル化HDマップ表現の開発において,軽量でスケーラブルな事前規格定義(SD)マップを活用することに注力する。
重要な発見は、SDマップエンコーダがモデル非依存であり、鳥の目視(BEV)エンコーダを利用する新しいアーキテクチャに迅速に適応できることである。
この結果から,オンライン地図作成タスクの先行作業としてSDマップを使用すると,コンバージェンスが大幅に向上し,オンラインセンターライン認識タスクの性能が30%向上する可能性が示唆された。
論文 参考訳（メタデータ） (2024-08-01T19:39:55Z) - ADMap: Anti-disturbance framework for reconstructing online vectorized
HD map [9.218463154577616]
本稿では, 反ゆらぎマップ再構築フレームワーク (ADMap) を提案する。
点次ジッタを緩和するため、このフレームワークは、マルチスケール知覚ネック、インスタンスインタラクティブアテンション(IIA)、ベクトル方向差損失(VDDL)の3つのモジュールで構成されている。
論文 参考訳（メタデータ） (2024-01-24T01:37:27Z) - Monocular BEV Perception of Road Scenes via Front-to-Top View Projection [57.19891435386843]
本稿では,鳥の目視で道路配置と車両占有率によって形成された局所地図を再構築する新しい枠組みを提案する。
我々のモデルは1つのGPU上で25FPSで動作し、リアルタイムパノラマHDマップの再構築に有効である。
論文 参考訳（メタデータ） (2022-11-15T13:52:41Z) - 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) - MP3: A Unified Model to Map, Perceive, Predict and Plan [84.07678019017644]
MP3は、入力が生のセンサーデータと高レベルのコマンドであるマップレス運転に対するエンドツーエンドのアプローチである。
提案手法は, より安全で, 快適であり, 長期クローズループシミュレーションにおいて, ベースラインよりもコマンドを追従できることを示す。
論文 参考訳（メタデータ） (2021-01-18T00:09:30Z) - 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。