面向城市驾驶场景理解的车道图估计
计算机视觉与模式识别
2021-05-04 v1 机器学习
机器人学
摘要
车道级场景标注为自动驾驶车辆在城市区域与城区等复杂环境中的轨迹规划提供了宝贵数据。然而，此类数据的获取耗时且昂贵，因为车道标注必须由人工手动标注，因而难以扩展至大面积区域。本工作中，我们提出了一种从鸟瞰图图像进行车道几何估计的新方法。我们将车道形状与车道连接估计问题公式化为图估计问题，其中车道锚点为图节点，车道段为图边。我们在由流行 NuScenes 数据集及其地图扩展包处理得到的多模态鸟瞰数据上训练图估计模型。此外，我们用一个独立模型估计每个车道段的车道连接方向，从而得到有向车道图。我们在具挑战性的 NuScenes 数据集上展示了我们的 LaneGraphNet 模型的性能，并提供了广泛的定性与定量评估。我们的模型在大多数评估的城市场景中展现出有前景的性能，可作为迈向自动驾驶高清车道标注自动化生成的一步。
引用
@article{arxiv.2105.00195,
title = {Lane Graph Estimation for Scene Understanding in Urban Driving},
author = {Jannik Zürn and Johan Vertens and Wolfram Burgard},
journal= {arXiv preprint arXiv:2105.00195},
year = {2021}
}
备注
8 pages, 6 figures