Trust, but Verify: Cross-Modality Fusion for HD Map Change Detection

要約

高解像度 (HD) マップ変更検出は、現実世界の変化により、センサー データとマップ データがいつ一致しなくなったかを判断するタスクです。
タスクの最初のデータセットを収集します。これは、Trust, but Verify (TbV) データセットと名付けられており、9 か月以上にわたる自動運転車の運用から数千時間のデータをマイニングします。
鳥瞰図と自我図で問題を解決するための学習ベースの定式化を提示します。
実際の地図の変更はまれであり、ベクター マップは総合的に操作しやすいため、シミュレートされたデータに頼ってモデルをトレーニングします。
おそらく驚くべきことに、そのようなモデルが現実世界の分布に一般化できることを示しています。
北米の 6 つの都市で収集されたマップとログで構成されるこのデータセットは、780 万を超える画像を含む、これまでで最大の AV データセットの 1 つです。
データは、https://www.argoverse.org/av2.html#mapchange-link で公開され、コードとモデルは https://github.com/johnwlambert/tbv で CC BY- の下で公開されています。
NC-SA 4.0 ライセンス。

要約(オリジナル)

High-definition (HD) map change detection is the task of determining when sensor data and map data are no longer in agreement with one another due to real-world changes. We collect the first dataset for the task, which we entitle the Trust, but Verify (TbV) dataset, by mining thousands of hours of data from over 9 months of autonomous vehicle fleet operations. We present learning-based formulations for solving the problem in the bird’s eye view and ego-view. Because real map changes are infrequent and vector maps are easy to synthetically manipulate, we lean on simulated data to train our model. Perhaps surprisingly, we show that such models can generalize to real world distributions. The dataset, consisting of maps and logs collected in six North American cities, is one of the largest AV datasets to date with more than 7.8 million images. We make the data available to the public at https://www.argoverse.org/av2.html#mapchange-link, along with code and models at https://github.com/johnwlambert/tbv under the the CC BY-NC-SA 4.0 license.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google