EgoVM：基于轻量化矢量地图实现精确自车定位
计算机视觉与模式识别
2023-07-19 v1 机器人学
摘要
准确可靠的自车定位对自动驾驶至关重要。本文提出 EgoVM，一种端到端定位网络，其定位精度可与先前最先进方法相媲美，但使用轻量化矢量地图而非沉重的基于点的地图。首先，我们从在线多视角图像和 LiDAR 点云中提取 BEV 特征。随后，我们采用一组可学习的语义嵌入来编码地图元素的语义类型，并用语义分割对其进行监督，使其特征表示与 BEV 特征保持一致。之后，我们将由可学习语义嵌入和地图元素坐标组成的地图查询输入 transformer 解码器，与 BEV 特征进行跨模态匹配。最后，我们采用基于直方图的鲁棒位姿求解器，通过在候选位姿上穷举搜索来估计最优位姿。我们使用 nuScenes 数据集和一个新收集的数据集全面验证了方法的有效性。实验结果表明，我们的方法实现了厘米级定位精度，并大幅优于现有使用矢量地图的方法。此外，我们的模型已在一大批自动驾驶车辆中于各种具有挑战性的城市场景下进行了广泛测试。
引用
@article{arxiv.2307.08991,
title = {EgoVM: Achieving Precise Ego-Localization using Lightweight Vectorized Maps},
author = {Yuzhe He and Shuang Liang and Xiaofei Rui and Chengying Cai and Guowei Wan},
journal= {arXiv preprint arXiv:2307.08991},
year = {2023}
}
备注
8 pages