基于语义地图的自动驾驶汽车单目定位

基于语义地图的自动驾驶汽车单目定位

• 论文链接：https://arxiv.org/pdf/2406.03835

附赠自动驾驶最全的学习资料和量产经验：链接

摘要

本文介绍了基于语义地图的自动驾驶汽车单目定位。精确且鲁棒的定位仍然是自动驾驶汽车面临的重大挑战。传感器的成本和本地计算效率的限制使其难以扩展到大型商业应用中。传统的基于视觉的方法着重于纹理特征，其易受光照、季节、视角和外观变化的影响。此外，具有描述子的地图的大存储容量和复杂的优化过程阻碍了系统性能。为了平衡效率和精度，本文提出了一种新的轻量级视觉语义定位算法，该算法采用了稳定的语义特征来代替低级别的纹理特征。首先，通过相机或者激光雷达传感器检测语义目标（例如地面标记、车道线和电线杆）来离线构建语义地图。然后，通过语义特征和地图目标的数据关联进行在线视觉定位。本文在开源的KAIST Urban数据集和自己记录的场景中评估所提出的定位框架。实验结果表明，在各种自动驾驶定位任务中，本文方法是一种可靠且实用的定位解决方案。

主要贡献

本文的主要贡献总结如下：

1）本文提出了一种增强的逆透视映射模型，该模型考虑了相机的旋转，允许在运动过程中精确计算鸟瞰图；

2）本文提出了一种算法，该算法有助于使用传统的激光雷达在最少标注辅助或者监督的情况下构建全局语义地图；

3）本文提出了一种基于常见道路视觉语义特征的单目定位算法，并且在实际交通场景中验证其有效性。

论文图片和表格

总结

本文提出了一种基于稳定视觉语义特征（例如地面标记、车道线和电线杆）的自动驾驶汽车视觉定位系统。在该框架中，首先通过激光雷达离线构建语义地图，然后优化语义特征和来自地图对应信息的匹配，以估计车辆的当前位置和方向。本文在各种具有挑战性的现实世界交通场景中验证了所提出的系统。结果表明，本文所提出的方法实现了比基线更好的平移和旋转精度。在今后工作中，将考虑集成更多类型的低成本传感器（例如GPS），以进一步扩展自动驾驶汽车在更复杂交通场景中的应用。