Generation of Training Data from HD Maps in the Lanelet2 Framework

要約

HD マップを機械学習タスクのトレーニング データとして直接使用することは、人気が大幅に高まり、有望な結果が示されています。
地図認識の分野で。
それにもかかわらず、地図ベースの自動運転と地図データからのトレーニング ラベル生成のすべての部分をサポートする標準化された HD マップ フレームワークは存在しません。
さらに、リアルタイム推論中の入力の一部として地図認識モデルに地図データを供給することは、研究コミュニティによって対処されていません。
このギャップを埋めるために、学術界や産業界で自動運転システムで広く使用されている HD マップ フレームワーク Lanelet2 の統合拡張機能であるlanelet2_ml_converter を紹介します。
この追加により、Lanelet2 は地図ベースの自動運転、機械学習の推論とトレーニングをすべて単一の地図データと形式のソースから統合します。
統一フレームワークの要件が分析され、これらの要件の実装が説明されます。
最先端の機械学習におけるラベルの有用性を、地図認識分野の応用例を用いて実証します。
ソース コードは、https://github.com/fzi-forschungszentrum-informatik/Lanelet2/tree/feature_ml_converter の Lanelet2 フレームワークに埋め込まれて入手できます。

要約(オリジナル)

Using HD maps directly as training data for machine learning tasks has seen a massive surge in popularity and shown promising results, e.g. in the field of map perception. Despite that, a standardized HD map framework supporting all parts of map-based automated driving and training label generation from map data does not exist. Furthermore, feeding map perception models with map data as part of the input during real-time inference is not addressed by the research community. In order to fill this gap, we presentlanelet2_ml_converter, an integrated extension to the HD map framework Lanelet2, widely used in automated driving systems by academia and industry. With this addition Lanelet2 unifies map based automated driving, machine learning inference and training, all from a single source of map data and format. Requirements for a unified framework are analyzed and the implementation of these requirements is described. The usability of labels in state of the art machine learning is demonstrated with application examples from the field of map perception. The source code is available embedded in the Lanelet2 framework under https://github.com/fzi-forschungszentrum-informatik/Lanelet2/tree/feature_ml_converter

arxiv情報

提供元, 利用サービス

arxiv.jp, Google