基于运动数据的交通灯至车道分配语义地图学习
计算机视觉与模式识别
2023-09-29 v2 人工智能
机器人学
摘要
理解哪个交通灯控制哪条车道对于安全通过交叉口至关重要。自动驾驶车辆通常依赖包含交通灯至车道分配信息的高清（HD）地图。该信息的手动提供繁琐、昂贵且不可扩展。为缓解这些问题，我们的新方法从交通灯状态与车辆交通的相应运动模式推导分配关系。该方法以自动化方式工作且独立于几何排列。我们通过实现并评估一种基于模式的贡献方法，展示了基础统计方法对该任务的有效性。此外，我们的新颖拒绝方法利用统计假设检验纳入了配套安全考量。最后，我们提出一种数据集变换，以将可用的运动预测数据集重新用于语义地图学习。我们公开可用的 Lyft Level 5 数据集 API 使研究人员能够开发并评估他们自己的方法。
引用
@article{arxiv.2309.14793,
title = {Semantic Map Learning of Traffic Light to Lane Assignment based on Motion Data},
author = {Thomas Monninger and Andreas Weber and Steffen Staab},
journal= {arXiv preprint arXiv:2309.14793},
year = {2023}
}
备注
Accepted to the 2023 IEEE International Conference on Intelligent Transportation Systems (ITSC 2023)