Mind the map! Accounting for existing map information when estimating online HDMaps from sensor data

要約

センサーからのオンライン高解像度マップ (HDMap) 推定は、手動で取得した HDMap に代わる低コストの代替手段を提供します。
そのため、すでに HDMap に依存している自動運転システムのコストが削減され、その使用が新しいシステムに広がる可能性さえあります。
この論文では、既存のマップを考慮してオンライン HDMap 推定を改善することを提案します。
私たちは、有用な既存のマップを 3 つの適切なタイプ (ミニマリスト、ノイズが多い、時代遅れ) に特定します。
また、既存のマップを考慮した新しいオンライン HDMap 推定フレームワークである MapEX も紹介します。
MapEX は、マップ要素をクエリ トークンにエンコードし、従来のクエリ ベースのマップ推定モデルのトレーニングに使用されるマッチング アルゴリズムを改良することでこれを実現します。
MapEX が nuScenes データセットに大幅な改善をもたらすことを実証します。
たとえば、ノイズの多いマップを考慮した MapEX は、ベースとなっている MapTRv2 検出器と比較して 38%、現在の SOTA と比較して 16% 改善されています。

要約(オリジナル)

Online High Definition Map (HDMap) estimation from sensors offers a low-cost alternative to manually acquired HDMaps. As such, it promises to lighten costs for already HDMap-reliant Autonomous Driving systems, and potentially even spread their use to new systems. In this paper, we propose to improve online HDMap estimation by accounting for already existing maps. We identify 3 reasonable types of useful existing maps (minimalist, noisy, and outdated). We also introduce MapEX, a novel online HDMap estimation framework that accounts for existing maps. MapEX achieves this by encoding map elements into query tokens and by refining the matching algorithm used to train classic query based map estimation models. We demonstrate that MapEX brings significant improvements on the nuScenes dataset. For instance, MapEX – given noisy maps – improves by 38% over the MapTRv2 detector it is based on and by 16% over the current SOTA.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google