用于结构化在线地图的分层循环注意力网络
计算机视觉与模式识别
2020-12-24 v1
摘要
在本文中，我们解决了从稀疏三维点云中在线提取道路网络的问题。我们的方法受到标注者如何构建车道图的启发：首先识别有多少条车道，然后依次绘制每一条。我们开发了一个分层循环网络，该网络关注车道边界的初始区域，并通过输出结构化折线将其完整追踪出来。我们还提出了一种新颖的可微分损失函数，用于度量真实折线与预测折线边缘的偏差。这比顶点上的距离更合适，因为存在许多绘制等价折线的方式。我们在一段 90 公里的高速公路上展示了方法的有效性，并表明我们能在 92% 的情况下恢复正确的拓扑结构。
引用
@article{arxiv.2012.12314,
title = {Hierarchical Recurrent Attention Networks for Structured Online Maps},
author = {Namdar Homayounfar and Wei-Chiu Ma and Shrinidhi Kowshika Lakshmikanth and Raquel Urtasun},
journal= {arXiv preprint arXiv:2012.12314},
year = {2020}
}
备注
Published at CVPR 2018