Semantic Map Learning of Traffic Light to Lane Assignment based on Motion Data

要約

どの信号機がどの車線を制御しているかを理解することは、交差点を安全に移動するために重要です。
自動運転車は通常、車線への信号機の割り当てに関する情報を含む高解像度 (HD) マップに依存しています。
この情報を手動でプロビジョニングするのは面倒で費用がかかり、拡張性もありません。
これらの問題を解決するために、私たちの新しいアプローチは、信号機の状態とそれに対応する車両交通の動きパターンから割り当てを導き出します。
これは自動化された方法で、幾何学的配置とは独立して機能します。
パターンベースの寄与法を実装して評価することにより、このタスクに対する基本的な統計的アプローチの有効性を示します。
さらに、当社の新しい拒否方法には、統計的仮説検定を活用することによる安全性の考慮が含まれています。
最後に、利用可能な動き予測データセットをセマンティック マップ学習に再利用するためのデータセット変換を提案します。
Lyft レベル 5 データセット用に公開されている API を使用すると、研究者は独自のアプローチを開発および評価できます。

要約(オリジナル)

Understanding which traffic light controls which lane is crucial to navigate intersections safely. Autonomous vehicles commonly rely on High Definition (HD) maps that contain information about the assignment of traffic lights to lanes. The manual provisioning of this information is tedious, expensive, and not scalable. To remedy these issues, our novel approach derives the assignments from traffic light states and the corresponding motion patterns of vehicle traffic. This works in an automated way and independently of the geometric arrangement. We show the effectiveness of basic statistical approaches for this task by implementing and evaluating a pattern-based contribution method. In addition, our novel rejection method includes accompanying safety considerations by leveraging statistical hypothesis testing. Finally, we propose a dataset transformation to re-purpose available motion prediction datasets for semantic map learning. Our publicly available API for the Lyft Level 5 dataset enables researchers to develop and evaluate their own approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google