Prior Based Online Lane Graph Extraction from Single Onboard Camera Image

要約

自律走行には地域の道路網情報が不可欠です。
この情報は通常、レーン グラフの観点からオフライン HD マップから取得されます。
ただし、特定の時点での地域の道路網は、オフライン マップで示されるものとは大幅に異なる場合があります。
さらに、自動運転車はオフライン HD マップでカバーされていない場所にある可能性があります。
したがって、レーングラフのオンライン推定は、広範囲にわたる信頼性の高い自律ナビゲーションにとって非常に重要です。
この研究では、単一の車載カメラ画像からのオンライン鳥瞰図レーン グラフ抽出に取り組みます。
推定の品質を高めるために事前情報を使用することを提案します。
事前分布は、トランスフォーマー ベースの Wasserstein Autoencoder を通じてデータセットから抽出されます。
次に、オートエンコーダーを使用して、レーン グラフの初期推定値を強化します。
これは、潜在空間ベクトルの最適化によって行われます。
最適化により、レーン グラフの推定が以前の分布から逸脱するのを防ぎ、論理的になることが促進されます。
NuScenes と Argoverse という 2 つのベンチマーク データセットでメソッドをテストします。
結果は、提案された方法が最先端の方法と比較してパフォーマンスを大幅に向上させることを示しています。

要約(オリジナル)

The local road network information is essential for autonomous navigation. This information is commonly obtained from offline HD-Maps in terms of lane graphs. However, the local road network at a given moment can be drastically different than the one given in the offline maps; due to construction works, accidents etc. Moreover, the autonomous vehicle might be at a location not covered in the offline HD-Map. Thus, online estimation of the lane graph is crucial for widespread and reliable autonomous navigation. In this work, we tackle online Bird’s-Eye-View lane graph extraction from a single onboard camera image. We propose to use prior information to increase quality of the estimations. The prior is extracted from the dataset through a transformer based Wasserstein Autoencoder. The autoencoder is then used to enhance the initial lane graph estimates. This is done through optimization of the latent space vector. The optimization encourages the lane graph estimation to be logical by discouraging it to diverge from the prior distribution. We test the method on two benchmark datasets, NuScenes and Argoverse. The results show that the proposed method significantly improves the performance compared to state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google