Using Language and Road Manuals to Inform Map Reconstruction for Autonomous Driving

要約

レーントポロジーの予測は、安全で信頼性の高い自律的なナビゲーションの重要な要素です。
道路環境を正確に理解することは、このタスクを支援します。
この情報は、道路構造と道路機能を捉える道路名を反映する設計コードを通じて、自然言語でエンコードされた慣習に従うことが多いことを観察します。
この情報は、OSMマップから構造化された道路メタデータと道路デザインマニュアルからの道路中心線のエンコーディングを組み合わせて組み合わせることにより、地図上のオンラインレーントポロジー予測モデルであるSmerfに軽量で拡張します。
2つの地理的複雑な交差シナリオでの方法を評価します。
私たちの方法では、レーンとトラフィックの両方の要素検出とその関連の改善が示されています。
モデルのパフォーマンスを包括的に評価するために、4つのトポロジ対応メトリックを使用して結果を報告します。
これらの結果は、多様なトポロジや条件に一般化し、拡大するアプローチの能力を示しています。

要約(オリジナル)

Lane-topology prediction is a critical component of safe and reliable autonomous navigation. An accurate understanding of the road environment aids this task. We observe that this information often follows conventions encoded in natural language, through design codes that reflect the road structure and road names that capture the road functionality. We augment this information in a lightweight manner to SMERF, a map-prior-based online lane-topology prediction model, by combining structured road metadata from OSM maps and lane-width priors from Road design manuals with the road centerline encodings. We evaluate our method on two geo-diverse complex intersection scenarios. Our method shows improvement in both lane and traffic element detection and their association. We report results using four topology-aware metrics to comprehensively assess the model performance. These results demonstrate the ability of our approach to generalize and scale to diverse topologies and conditions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google