AutoGraph: 从交通观测中预测车道图

车道图估计是自动驾驶领域的一个长期问题。以往的工作依赖于大规模人工标注的车道图来解决该问题，这为训练模型以完成此任务引入了数据瓶颈。为了克服这一限制，我们提出使用交通参与者的运动模式作为车道图标注。在我们的 AutoGraph 方法中，我们采用预训练的目标跟踪器来收集车辆和卡车等交通参与者的轨迹片段。基于这些轨迹片段的位置，我们仅使用俯视 RGB 图像从初始位置预测后继车道图，而无需任何人类监督。在随后的阶段，我们展示了如何将各个后继预测聚合为一致的车道图。我们在 UrbanLaneGraph 数据集上展示了我们方法的有效性，并进行了广泛的定量和定性评估，表明 AutoGraph 与在人工标注图数据上训练的模型表现相当。模型和数据集将在 redacted-for-review 发布。