面向静态地图元素标注的以视觉为中心方法
计算机视觉与模式识别
2024-02-20 v2
摘要
近期在线静态地图元素（亦称HD Map）构建算法的发展引发了对带有真值标注数据的巨大需求。然而，现有公开数据集目前在一致性与准确性方面无法提供高质量训练数据。为此，我们提出CAMA：一种以视觉为中心的一致且准确地图标注（Consistent and Accurate Map Annotation）方法。无需LiDAR输入，我们所提框架仍能生成静态地图元素的高质量3D标注。具体而言，该标注能在所有环视相机上实现高重投影精度，并在整个序列中保持时空一致。我们将所提框架应用于流行的nuScenes数据集，以提供高效且高度准确的标注。与原始nuScenes静态地图元素相比，使用CAMA标注训练的模型实现了更低的重投影误差（例如4.73对比8.03像素）。
引用
@article{arxiv.2309.11754,
title = {A Vision-Centric Approach for Static Map Element Annotation},
author = {Jiaxin Zhang and Shiyuan Chen and Haoran Yin and Ruohong Mei and Xuan Liu and Cong Yang and Qian Zhang and Wei Sui},
journal= {arXiv preprint arXiv:2309.11754},
year = {2024}
}
备注
Accepted at 2024 IEEE International Conference on Robotics and Automation (ICRA)