FlowMap: Path Generation for Automated Vehicles in Open Space Using Traffic Flow

要約

ライダー点群やカメラ画像などの様々なセンサー入力をディープニューラルネットで融合し、道路構造を認識することに関する文献が多数存在します。最新のニューラル・アーキテクチャ（変換器など）や鳥瞰図表現（BEV）を活用することで、道路認知の精度は向上し続けています。しかし、道路が整備されていない自動運転車において、どのように道路を認識するかは未解決の課題である。例えば、HDマップを用いずに交差点内の経路を探索することは、「道」の定義が明示されておらず、車線などの特徴も明示されていないため困難である。本論文のアイデアは、「人が歩けば道になる」という諺に由来しています。センサーの測定値からは「道」は存在しないが、他の車両の軌跡からは「道」が存在する。本論文では、交通の流れに基づいた自動運転車のための経路生成フレームワークであるFlowMapを提案する。FlowMapは、我々の前作である軽量セマンティックマップRoadMapを拡張し、交通流レイヤーを追加することで構築されている。人間のような経路を生成するために、交通流場（TFFs）上の経路生成アルゴリズムが提案される。提案されたフレームワークは実走行データを用いて検証され、HDマップを用いずに超複雑交差点の経路を生成することが可能である。

要約(オリジナル)

There is extensive literature on perceiving road structures by fusing various sensor inputs such as lidar point clouds and camera images using deep neural nets. Leveraging the latest advance of neural architects (such as transformers) and bird-eye-view (BEV) representation, the road cognition accuracy keeps improving. However, how to cognize the “road” for automated vehicles where there is no well-defined “roads” remains an open problem. For example, how to find paths inside intersections without HD maps is hard since there is neither an explicit definition for “roads” nor explicit features such as lane markings. The idea of this paper comes from a proverb: it becomes a way when people walk on it. Although there are no “roads” from sensor readings, there are “roads” from tracks of other vehicles. In this paper, we propose FlowMap, a path generation framework for automated vehicles based on traffic flows. FlowMap is built by extending our previous work RoadMap, a light-weight semantic map, with an additional traffic flow layer. A path generation algorithm on traffic flow fields (TFFs) is proposed to generate human-like paths. The proposed framework is validated using real-world driving data and is amenable to generating paths for super complicated intersections without using HD maps.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL