VectorMapNet: End-to-end Vectorized HD Map Learning

要約

自動運転システムでは、動く障害物や静的な高解像度 (HD) セマンティック マップ要素など、周囲の環境を十分に理解する必要があります。
既存の方法は、深刻なスケーラビリティの問題に悩まされているオフラインの手動注釈によってセマンティック マップの問題に取り組みます。
最近の学習ベースの方法は、マップを構築するために高密度のラスター化されたセグメンテーション予測を生成します。
ただし、これらの予測には個々のマップ要素のインスタンス情報は含まれず、ベクトル化されたマップを取得するにはヒューリスティックな後処理が必要です。
これらの課題に取り組むために、VectorMapNet と呼ばれるエンドツーエンドのベクトル化された HD マップ学習パイプラインを導入します。
VectorMapNet は、オンボード センサー観測を取得し、鳥瞰図でまばらなポリライン セットを予測します。
このパイプラインは、マップ要素間の空間関係を明示的にモデル化し、下流の自動運転タスクに適したベクトル化されたマップを生成できます。
広範な実験により、VectorMapNet が nuScenes と Argoverse2 データセットの両方で強力なマップ学習パフォーマンスを達成し、以前の最先端の方法を 14.2 mAP と 14.6 mAP 上回っていることが示されています。
定性的には、VectorMapNet が包括的なマップを生成し、道路ジオメトリのより詳細な詳細をキャプチャできることも示しています。
私たちの知る限りでは、VectorMapNet は、オンボードの観測から学習するエンドツーエンドのベクトル化マップ向けに設計された最初の作品です。
私たちのプロジェクトのウェブサイトは https://tsinghua-mars-lab.github.io/vectormapnet/ にあります。

要約(オリジナル)

Autonomous driving systems require a good understanding of surrounding environments, including moving obstacles and static High-Definition (HD) semantic map elements. Existing methods approach the semantic map problem by offline manual annotation, which suffers from serious scalability issues. Recent learning-based methods produce dense rasterized segmentation predictions to construct maps. However, these predictions do not include instance information of individual map elements and require heuristic post-processing to obtain vectorized maps. To tackle these challenges, we introduce an end-to-end vectorized HD map learning pipeline, termed VectorMapNet. VectorMapNet takes onboard sensor observations and predicts a sparse set of polylines in the bird’s-eye view. This pipeline can explicitly model the spatial relation between map elements and generate vectorized maps that are friendly to downstream autonomous driving tasks. Extensive experiments show that VectorMapNet achieve strong map learning performance on both nuScenes and Argoverse2 dataset, surpassing previous state-of-the-art methods by 14.2 mAP and 14.6mAP. Qualitatively, we also show that VectorMapNet is capable of generating comprehensive maps and capturing more fine-grained details of road geometry. To the best of our knowledge, VectorMapNet is the first work designed towards end-to-end vectorized map learning from onboard observations. Our project website is available at https://tsinghua-mars-lab.github.io/vectormapnet/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google