使用标准清晰度地图增强在线道路网络感知和推理
摘要
本文介绍了使用标准清晰度地图增强在线道路网络感知和推理。用于城市和高速公路驾驶应用的自动驾驶通常需要高精(HD)地图来生成导航规划。然而,大规模地生成和维护高精地图会遇到各种挑战。虽然最近在线建图方法已经开始涌现,但是它们的性能(特别是对于远距离)受到动态环境中严重遮挡的限制。考虑到这些因素,本项工作着重于在开发在线矢量化高精地图表示中利用轻量级、可扩展的先验——标准清晰度(SD)地图。本文首先研究将原型栅格化SD地图表示集成到各种在线建图架构中。此外,为了确定轻量级策略,本文使用OpenStreetMaps扩展了OpenLane-V2数据集,并且评估了图形化SD地图表示的优势。设计SD地图集成组件的一个关键发现为,SD地图编码器与模型无关,并且可以快速适应利用鸟瞰图(BEV)编码器的新架构。实验结果表明,使用SD地图作为在线建图任务的先验可以显著加快收敛速度,并且将在线中心线感知任务的性能提升30%(mAP)。此外,引入SD地图可以通过利用SD地图图形来减少感知和推理任务中的参数数量,同时提高整体性能。
主要贡献
本文的主要贡献总结如下:
1)本文将不同类型的轻量级SD地图表示引入到在线建图任务中。结果表明,SD地图提供了远距离的先验信息,并且可以改进被遮挡区域,从而获得更好的整体量化结果;
2)本文研究了SD地图的原型表示,以及与具有各种架构的在线地图基线的最有效集成;
3)本文使用OSM数据扩展了OpenLane-V2数据集,以使用SD地图作为基于图形架构的图表示。本文数据集称为OpenLane-V2-OSM,其将开源。
论文图片和表格
总结
本文将SD地图加入到在线HD建图中,用于纯感知任务以及联合感知和推理任务。本文表明,SD地图可以使中心线感知模型更快地收敛,并且实现更好的性能。以图形形式添加它们可以减小模型的规模,同时提高性能。本文还构建并且开源了一个基于OSM的数据集。本文所提出方法的有效性(特别是对于远距离和遮挡场景)有助于应对当前自动驾驶高精地图的在线建图挑战和可扩展性限制。为了构建更好的在线地图,需要未来的研究来解决SD地图中的不准确问题,并且产生更一致的结构化表示。