TopoMLP: An Simple yet Strong Pipeline for Driving Topology Reasoning

要約

トポロジー推論は、道路シーンを包括的に理解し、自動運転で走行可能なルートを提示することを目的としています。
それには、道路の中心線 (車線) と交通要素を検出し、それらのトポロジー関係 (車線と車線のトポロジー、車線と交通のトポロジー) をさらに推論する必要があります。
この研究では、トポロジ スコアが車線と交通要素の検出パフォーマンスに大きく依存していることを最初に示します。
したがって、トポロジ パフォーマンスの上限を拡張するために、強力な 3D 車線検出器と改良された 2D 交通要素検出器を導入します。
さらに、トポロジー推論を推進するためのシンプルでありながら高性能なパイプラインである TopoMLP を提案します。
優れた検出パフォーマンスに基づいて、トポロジー生成用の 2 つのシンプルな MLP ベースのヘッドを開発しました。
TopoMLP は、OpenLane-V2 ベンチマークで最先端のパフォーマンス、つまり ResNet-50 バックボーンで 41.2% の OLS を達成します。
これは、自動運転チャレンジにおける第 1 回 OpenLane トポロジーの最初のソリューションでもあります。
このようなシンプルかつ強力なパイプラインがコミュニティに新しい洞察を提供できることを願っています。
コードは https://github.com/wudongming97/TopoMLP にあります。

要約(オリジナル)

Topology reasoning aims to comprehensively understand road scenes and present drivable routes in autonomous driving. It requires detecting road centerlines (lane) and traffic elements, further reasoning their topology relationship, i.e., lane-lane topology, and lane-traffic topology. In this work, we first present that the topology score relies heavily on detection performance on lane and traffic elements. Therefore, we introduce a powerful 3D lane detector and an improved 2D traffic element detector to extend the upper limit of topology performance. Further, we propose TopoMLP, a simple yet high-performance pipeline for driving topology reasoning. Based on the impressive detection performance, we develop two simple MLP-based heads for topology generation. TopoMLP achieves state-of-the-art performance on OpenLane-V2 benchmark, i.e., 41.2% OLS with ResNet-50 backbone. It is also the 1st solution for 1st OpenLane Topology in Autonomous Driving Challenge. We hope such simple and strong pipeline can provide some new insights to the community. Code is at https://github.com/wudongming97/TopoMLP.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google