Monocular Camera Mapping with Pose-Guided Optimization: Enhancing Marking-Level HD Map Accuracy

要約

マーキング レベルの高精細マップ (HD マップ) は、自律走行車 (AV) にとって非常に重要です。特に、AV がローカリゼーションのためのマーキングと安全運転のための車線に依存している大規模で外観が変化するシナリオでは重要です。
このホワイト ペーパーでは、単純なセンサー セットアップ (1 つまたは複数の単眼カメラ) を使用して、正確なマーキング位置を含むマーキング レベルの HD マップを自動的に構築するためのポーズ ガイド付き最適化フレームワークを提案します。
マーキング セグメンテーションの結果に適合するようにマーキング コーナーの位置を最適化し、同時に対応するカメラの逆遠近法マッピング (IPM) マトリックスを最適化して、正面図の画像から鳥瞰図 (BEV) への正確な変換を取得します。
定量的な評価では、構築された HD マップはほぼセンチメートル レベルの精度を達成しています。
最適化された IPM マトリックスの精度は、手動キャリブレーションの精度と同様です。
この方法は、認識可能なマーキングの種類を増やすことで、より広い意味で HD マップを構築するために一般化することもできます。
補足資料とビデオは、http://liuhongji.site/V2HDM-Mono/ で入手できます。

要約(オリジナル)

Marking-level high-definition maps (HD maps) are of great significance for autonomous vehicles (AVs), especially in large-scale, appearance-changing scenarios where AVs rely on markings for localization and lanes for safe driving. In this paper, we propose a pose-guided optimization framework for automatically building a marking-level HD map with accurate markings positions using a simple sensor setup (one or more monocular cameras). We optimize the position of the marking corners to fit the result of marking segmentation and simultaneously optimize the inverse perspective mapping (IPM) matrix of the corresponding camera to obtain an accurate transformation from the front view image to the bird’s-eye view (BEV). In the quantitative evaluation, the built HD map almost attains centimeter-level accuracy. The accuracy of the optimized IPM matrix is similar to that of the manual calibration. The method can also be generalized to build HD maps in a broader sense by increasing the types of recognizable markings. The supplementary materials and videos are available at http://liuhongji.site/V2HDM-Mono/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google