CenterLineDet: CenterLine Graph Detection for Road Lanes with Vehicle-mounted Sensors by Transformer for HD Map Generation

要約

自動運転技術の急速な発展に伴い、交通環境の静的部分に関する信頼性の高い堅牢な事前情報を提供する高精細 (HD) マップの需要が高まっています。
HD マップの重要な要素の 1 つとして、車線の中心線は、予測や計画などの下流のタスクにとって重要です。
HD マップで道路の車線の中心線に手動で注釈を付けるのは、労働集約的で費用がかかり、非効率的であり、自動運転システムの幅広いアプリケーションを厳しく制限しています。
以前の研究では、複雑なトポロジと車線の中心線の深刻な重複の問題により、車線の中心線検出の問題をほとんど調査していません。
この論文では、自動 HD マップ生成のために車線の中心線を検出するための CenterLineDet という名前の新しい方法を提案します。
私たちの CenterLineDet は模倣学習によって訓練されており、繰り返しを通じて車載センサー (つまり、6 台のカメラと 1 台の LiDAR) を使用して中心線のグラフを効果的に検出できます。
DETR のような変圧器ネットワークを使用しているため、CenterLineDet は車線の交差点などの複雑なグラフ トポロジを処理できます。
提案されたアプローチは、大規模な公開データセット NuScenes で評価されます。
私たちの CenterLineDet の優位性は、比較結果によって実証されています。
コード、補足資料、ビデオ デモは、\href{https://tonyxuqaq.github.io/projects/CenterLineDet/}{https://tonyxuqaq.github.io/projects/CenterLineDet/} で入手できます。

要約(オリジナル)

With the fast development of autonomous driving technologies, there is an increasing demand for high-definition (HD) maps, which provide reliable and robust prior information about the static part of the traffic environments. As one of the important elements in HD maps, road lane centerline is critical for downstream tasks, such as prediction and planning. Manually annotating centerlines for road lanes in HD maps is labor-intensive, expensive and inefficient, severely restricting the wide applications of autonomous driving systems. Previous work seldom explores the lane centerline detection problem due to the complicated topology and severe overlapping issues of lane centerlines. In this paper, we propose a novel method named CenterLineDet to detect lane centerlines for automatic HD map generation. Our CenterLineDet is trained by imitation learning and can effectively detect the graph of centerlines with vehicle-mounted sensors (i.e., six cameras and one LiDAR) through iterations. Due to the use of the DETR-like transformer network, CenterLineDet can handle complicated graph topology, such as lane intersections. The proposed approach is evaluated on the large-scale public dataset NuScenes. The superiority of our CenterLineDet is demonstrated by the comparative results. Our code, supplementary materials, and video demonstrations are available at \href{https://tonyxuqaq.github.io/projects/CenterLineDet/}{https://tonyxuqaq.github.io/projects/CenterLineDet/}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google