Leveraging GNSS and Onboard Visual Data from Consumer Vehicles for Robust Road Network Estimation

要約

地図は、車両ナビゲーションや自律ロボット工学などのさまざまなアプリケーションに不可欠です。
どちらも、効果的なルート計画と位置特定のために空間モデルを必要とします。
この論文では、自動運転車の道路グラフ構築の課題について取り上げます。
最近の進歩にもかかわらず、道路グラフの作成には依然として労働集約的であり、完全な自動化はまだ達成されていません。
この論文の目的は、そのようなグラフを自動的かつ正確に生成することです。
現代の車には、車線維持などの最新の先進運転支援システムに使用される車載センサーが装備されています。
私たちは、全地球航法衛星システム (GNSS) のトレースと、民生用車両のこれらの標準センサーから取得した基本的な画像データを使用して、最小限の労力で道路レベルの地図を推定することを提案します。
畳み込みニューラル ネットワークを使用して問題を道路中心線のセマンティック セグメンテーション タスクとして組み立てることにより、データ内の空間情報を活用します。
また、データの時系列の性質を利用して、マップ マッチングを使用してニューラル ネットワークの出力を改良します。
実際の消費者向け車両を使用し、導入された車載センサーのみを使用してメソッドを実装し、評価しました。
私たちの評価は、私たちのアプローチが単純な道路構成で既存の方法に匹敵するだけでなく、より複雑な道路形状やトポロジーで既存の方法よりも大幅に優れていることを示しています。
この作品は2023年度Woven by Toyota発明賞を受賞しました。

要約(オリジナル)

Maps are essential for diverse applications, such as vehicle navigation and autonomous robotics. Both require spatial models for effective route planning and localization. This paper addresses the challenge of road graph construction for autonomous vehicles. Despite recent advances, creating a road graph remains labor-intensive and has yet to achieve full automation. The goal of this paper is to generate such graphs automatically and accurately. Modern cars are equipped with onboard sensors used for today’s advanced driver assistance systems like lane keeping. We propose using global navigation satellite system (GNSS) traces and basic image data acquired from these standard sensors in consumer vehicles to estimate road-level maps with minimal effort. We exploit the spatial information in the data by framing the problem as a road centerline semantic segmentation task using a convolutional neural network. We also utilize the data’s time series nature to refine the neural network’s output by using map matching. We implemented and evaluated our method using a fleet of real consumer vehicles, only using the deployed onboard sensors. Our evaluation demonstrates that our approach not only matches existing methods on simpler road configurations but also significantly outperforms them on more complex road geometries and topologies. This work received the 2023 Woven by Toyota Invention Award.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google