利用行车记录仪视频自动更新地图

自动驾驶需要能够提供准确且最新语义地标信息的三维地图。由于相机相比激光扫描仪更广泛可用且成本更低，基于视觉的建图方案，尤其是利用众包视觉数据的方案，引起了学术界和工业界的广泛关注。然而，以往工作主要聚焦于创建三维点云，将自动变化检测留作开放问题。我们在本文中提出一种利用行车记录仪视频初始化和更新三维地图的流程，重点是基于元数据（如交通标志的类型和位置）比较的自动变化检测。为提升依赖于三维目标检测与定位精度的元数据生成性能，我们引入一种新颖的基于深度学习的像素级三维定位算法。该算法直接使用SfM点云数据训练，不仅能从单目图像估计深度，还能估计横向与高度距离，从而将二维图像中检测到的目标高精度定位于三维空间。此外，我们还提出一种点聚类与阈值算法，以提升系统对误差的鲁棒性。我们在两个不同区域——一个校园和一个住宅区——使用不同类型相机、光照和天气条件进行了实验。在校园和住宅区的变化检测准确率分别为85%和100%。校园区域的误差主要源于车辆远距离看到、且仅面向行人与骑行者的交通标志。我们还对检测与定位误差进行了成因分析，以衡量所用底层技术性能的影响。