SemVecNet: Generalizable Vector Map Generation for Arbitrary Sensor Configurations

要約

ベクトル マップは、自動運転において位置特定や計画などのタスクに不可欠ですが、その作成とメンテナンスには著しくコストがかかります。
自動運転車向けのオンライン ベクトル マップ生成における最近の進歩は有望ですが、現在のモデルはさまざまなセンサー構成への適応性に欠けています。
特定のセンサーのポーズに過剰適合する傾向があり、パフォーマンスの低下と再トレーニング コストの増加につながります。
この制限により、実際のアプリケーションでの実際の使用が妨げられます。
この課題に応えて、センサー構成への一般化を改善したベクトル マップ生成用のモジュール式パイプラインを提案します。
パイプラインは確率的セマンティック マッピングを活用して、中間表現として鳥瞰図 (BEV) セマンティック マップを生成します。
この中間表現は、MapTRv2 デコーダを使用してベクトル マップに変換されます。
さまざまなセンサー構成に対して堅牢な BEV セマンティック マップを採用することにより、私たちが提案するアプローチは汎化パフォーマンスを大幅に向上させます。
トレーニング中に使用されないセンサー構成を備えたデータセットでモデルを評価します。
当社の評価セットには、大規模な公開データセットと、当社のプラットフォームで収集された小規模なプライベート データが含まれています。
私たちのモデルは、最先端の手法よりもはるかに優れた一般化を実現しています。

要約(オリジナル)

Vector maps are essential in autonomous driving for tasks like localization and planning, yet their creation and maintenance are notably costly. While recent advances in online vector map generation for autonomous vehicles are promising, current models lack adaptability to different sensor configurations. They tend to overfit to specific sensor poses, leading to decreased performance and higher retraining costs. This limitation hampers their practical use in real-world applications. In response to this challenge, we propose a modular pipeline for vector map generation with improved generalization to sensor configurations. The pipeline leverages probabilistic semantic mapping to generate a bird’s-eye-view (BEV) semantic map as an intermediate representation. This intermediate representation is then converted to a vector map using the MapTRv2 decoder. By adopting a BEV semantic map robust to different sensor configurations, our proposed approach significantly improves the generalization performance. We evaluate the model on datasets with sensor configurations not used during training. Our evaluation sets includes larger public datasets, and smaller scale private data collected on our platform. Our model generalizes significantly better than the state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google