CAMAv2：面向静态地图元素标注的视觉中心方法
计算机视觉与模式识别
2024-08-01 v1
摘要
在线静态地图元素（即高清地图）构建算法的近期发展，催生了对具有标注一致性和准确性的数据的广泛需求。然而，当前可获得的公共数据集无法提供高质量的训练数据。例如，手动标注（效率低下）的 nuScenes 仍包含HD地图与图像之间的错位和不一致（例如平均约8.03像素的重投影误差）。为此，我们提出了CAMAv2：一种Consistent and Accurate Map Annotation（一致且准确的地图标注）的方法。无需LiDAR输入，我们的提出框架仍能生成静态地图元素的高质量3D标注。具体而言，标注在所有周围相机上实现高精度的重投影，并在整个序列中实现时空一致性。我们将所提方法应用于流行的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，我们的CAMAv2标注实现了更低的重投影误差（例如4.96 vs. 8.03像素）。使用CAMAv2标注训练的模型也实现了更低的重投影误差（例如5.62 vs. 8.43像素）。
引用
@article{arxiv.2407.21331,
title = {CAMAv2: A Vision-Centric Approach for Static Map Element Annotation},
author = {Shiyuan Chen and Jiaxin Zhang and Ruohong Mei and Yingfeng Cai and Haoran Yin and Tao Chen and Wei Sui and Cong Yang},
journal= {arXiv preprint arXiv:2407.21331},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:2309.11754