Neural Map Prior for Autonomous Driving

要約

タイトル：自律運転のためのニューラルマッププライア

要約：

– 自律運転において、高精度な地図は都市環境での運転に不可欠である。
– しかし、従来のオフライン地図は手動アノテーションによるものでコストが高く、更新が追いつかない。
– そこで、最近の研究では、オンラインセンサー観測に基づくローカルマップの推定が提案されているが、センサーの認識範囲に制限され、視界の遮蔽に弱いという課題がある。
– 本研究では、グローバルマップのニューラル表現であるニューラルマッププライア（NMP）を提案し、自動的なグローバルマップの更新を容易にし、推定パフォーマンスを向上させる。
– 強力なマッププライアをローカルマップ推定に統合するために、現在の特徴と前回の特徴との相関を動的に捕捉するクロスアテンションを採用する。
– グローバルなニューラルマッププライアの更新には、前の遍歴からの特徴を融合する学習ベースの融合モジュールを使用することで、順次オンラインマップ予測中にグローバルニューラルマッププライアをキャプチャする。
– nuScenesデータセットでの実験結果は、強度マップセグメンテーションや検出アーキテクチャに非常に適しており、不利な天候条件や長期に渡ってマップ予測性能を向上させることを示している。
– 知る限り、これはグローバルマッププライアの構築にニューラルネットワークを用いた初めての学習ベースのシステムである。

要約(オリジナル)

High-definition (HD) semantic maps are crucial for autonomous vehicles navigating urban environments. Traditional offline HD maps, created through labor-intensive manual annotation processes, are both costly and incapable of accommodating timely updates. Recently, researchers have proposed inferring local maps based on online sensor observations; however, this approach is constrained by the sensor perception range and is susceptible to occlusions. In this work, we propose Neural Map Prior (NMP), a neural representation of global maps that facilitates automatic global map updates and improves local map inference performance. To incorporate the strong map prior into local map inference, we employ cross-attention that dynamically captures correlations between current features and prior features. For updating the global neural map prior, we use a learning-based fusion module to guide the network in fusing features from previous traversals. This design allows the network to capture a global neural map prior during sequential online map predictions. Experimental results on the nuScenes dataset demonstrate that our framework is highly compatible with various map segmentation and detection architectures and considerably strengthens map prediction performance, even under adverse weather conditions and across longer horizons. To the best of our knowledge, this represents the first learning-based system for constructing a global map prior.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI