FlowMap：基于交通流的开阔空间自动驾驶车辆路径生成
机器人学
2023-05-12 v2 人工智能
摘要
关于利用深度神经网络融合激光雷达点云与相机图像等多种传感器输入来感知道路结构的研究文献丰富。借助最新神经架构（如transformers）与鸟瞰图（BEV）表示的进展，道路认知精度持续提升。然而，对于自动驾驶车辆，在并无明确定义“道路”之处如何认知“道路”仍是一个开放问题。例如，在无高精地图的交叉口内寻找路径十分困难，因为既无“道路”的显式定义，也无车道线等显式特征。本文灵感源于一句谚语：人走出来的便是路。尽管传感器读数中没有“道路”，但其他车辆的轨迹中却有“道路”。本文中，我们提出FlowMap，一种基于交通流的自动驾驶车辆路径生成框架。FlowMap通过为我们先前工作RoadMap（一种轻量级语义地图）扩展额外的交通流层构建而成。提出了一种基于交通流场（TFFs）的路径生成算法以生成类人路径。所提框架利用真实驾驶数据验证，且适用于在无高精地图情况下为极复杂交叉口生成路径。
引用
@article{arxiv.2305.01622,
title = {FlowMap: Path Generation for Automated Vehicles in Open Space Using Traffic Flow},
author = {Wenchao Ding and Jieru Zhao and Yubin Chu and Haihui Huang and Tong Qin and Chunjing Xu and Yuxiang Guan and Zhongxue Gan},
journal= {arXiv preprint arXiv:2305.01622},
year = {2023}
}
备注
Accepted to ICRA2023