RoadMap: A Light-Weight Semantic Map for Visual Localization towards Autonomous Driving

文章下载链接
视频介绍

摘要

论文中提出一种轻量化的定位方案（light-weight localization soluation），依赖于低成本的相机以及紧凑的视觉语义地图（compact visual semantic map）。该语义地图能够被多传感器的车辆以众包（crowd-sourced）的方式创建及更新。特别的，该语义地图包含几个语义元素：车道线（lane line），人行横道（crosswalk），ground sign （地标）and stop line（停止线）。引入了车载建图（on-vehicle mapping），云端维护（on-cloud maintenance）以及用户端使用的整体框架。建图数据通过车辆采集及预处理。然后，众包数据上传至云端。多个车辆收集的众包数据在云端融合以能够实时更新语义地图。最后，语义地图被压缩并分发至量产车，用于定位。在真实的环境下验证提出的地图的性能，并对比其他的算法。语义地图的平均大小是36kb/km。必须指出，该框架是自动驾驶领域可靠并实际可行的定位方案。

The contribution of the paper:

1> 提出一种新框架，用于自动驾驶任务的轻量化localization，包括on-vehicle mapping，on-cloud map maintenance, and user-end localization;
2> 提出用多传感器的车辆来助力低成本的量产车，多传感器的（sensor-rich）车辆每天收集数据并自动更新建图。
3> 进行真实环境的实验来验证提出系统的可靠性。

整体框架

三个部分：

• on-vehicle mapping.车辆配置有前置摄像头（front-view camera），RTK-GPS，导航传感器（IMU+车轮编码器）。这些车辆每天可以收集大量的实时数据。通过分割网络提取前置图像的语义特征。