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

要約

HDMap は自動運転の重要なコンポーネントですが、取得と維持には費用がかかります。
したがって、センサーからこれらのマップを推定すると、コストが大幅に削減されることが期待されます。
しかし、これらの推定は既存の HDMap を無視しており、現在の方法ではせいぜい低品質の地図を地理位置特定するか、既知の地図の一般的なデータベースを考慮するだけです。
この論文では、HDMap を推定する際に調査された正確な状況の既存のマップを考慮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 8% 改善されています。

要約(オリジナル)

While HDMaps are a crucial component of autonomous driving, they are expensive to acquire and maintain. Estimating these maps from sensors therefore promises to significantly lighten costs. These estimations however overlook existing HDMaps, with current methods at most geolocalizing low quality maps or considering a general database of known maps. In this paper, we propose to account for existing maps of the precise situation studied when estimating HDMaps. We identify 3 reasonable types of useful existing maps (minimalist, noisy, and outdated).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 8% over the current SOTA.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google