论文链接：https://arxiv.org/pdf/2409.00593
摘要
本文介绍了无地图自动驾驶中矢量化地图构建的在线时间融合。为了降低对高精（HD）地图的依赖，自动驾驶的一个日益增长的趋势是利用车载传感器在线生成矢量化地图。然而，目前的方法大多受到仅处理单帧输入的限制，这阻碍了它们在复杂场景中的鲁棒性和有效性。为了克服这个问题，本文提出了一种在线地图构建系统，其利用长期时间信息来构建一致的矢量化地图。首先，该系统高效地将来自现成网络的所有历史道路标记检测结果融合到语义体素地图中，该地图使用基于哈希的策略来实现，以利用道路元素的稀疏性。然后，通过检查融合信息来寻找可靠的体素，并且逐个聚类到道路标记的实例级表示中。最后，该系统结合了领域知识来估计道路的几何和拓扑结构，这可以直接被规划和控制（PnC）模块使用。通过在复杂的城市环境中进行实验，本文证明了所提出系统的输出比网络输出更一致、更准确，并且可以有效地用于闭环自动驾驶系统中。
主要贡献
本文的主要贡献总结如下：
1）本文提出了一种用于无高精地图自动驾驶的在线地图构建系统，其可以直接输出轻量级的几何和拓扑道路结构，供PnC算法使用；
2）本文提出了一种有效的基于体素的融合方法，其可以高效地将具有噪声的道路标记检测结果融合到一致且精确的矢量化实例中；
3）本文在复杂的现实世界城市环境中进行综合实验，以验证所提出系统的有效性和适应性。
论文图片和表格
总结
本文引入了一种用于自动驾驶汽车的新型在线道路建图系统，其可以从图像流中实时生成高度一致的矢量化地图。得益于基于体素的融合方法，本文能够高效地将不同时刻的具有噪声的检测结果融合到一致且精确的矢量化道路标记实例中。与单帧的在线建图方法相比，本文系统在实例和几何度量方面有很大的改进，并且生成了时间上更一致的结果。此外，根据改进的道路标记实例，本文系统进一步估计了车道及其连接，从而为下游的PnC模块提供了重要的信息。所提出的系统不仅展现出卓越的定量结果，还在现实世界城市环境中的闭环自动驾驶系统中得到广泛验证。在未来工作中，计划使用广泛可用的SD地图来提高在线地图构建的鲁棒性，例如剔除错误的融合结果或者完全缺失的道路结构。
发表回复