Feb, 2024

基于多轨道 GPS 数据的人工智能众包地图构建与应用

PDF
TL;DR利用高精度地图技术和人工智能，该论文研究了从大量低精度 GPS 轨迹数据融合中生成高精度 GPS 数据的快速有效算法，并基于大量社交车辆实现了基于众包更新的地图数据集合模型，从而提高数据精度、降低测量成本以及减少数据存储空间，推动高精度地图在智能车辆领域的合理应用。
发现论文，激发创造
  • 利用众包车辆轨迹改善工作区域自动驾驶车辆地图和导航

    本文介绍了一种将众包轨迹信息引入到地图制作流程中的原型，以加强 CAV 对可行驶区域和交通规则的理解，利用高斯混合模型构建可行驶区域和占用栅格地图，并比较了该方法与单一 SLAM 方法的优劣。

    Jan, 2023

  • 利用众包 GPS 数据从航空图像中提取道路

    该研究提出了利用众包 GPS 数据来改进和支持通过航拍图像提取道路的方法，并通过新颖的数据增强、GPS 呈现和一维转置卷积技术，比以前的竞争获胜模型提高了近 5%，并且在预测新的区域时具有更好的稳健性，无需任何新的训练数据或领域适应。

    May, 2019

  • 面向自动驾驶车辆的众包三维地图端到端系统：映射组件

    本文介绍了一种端到端的用于构建具有语义含义的精确高清三维地图的系统的制图组件，使用消费级配件，实现了实时交通标志和车道的三角测量，并具有离线标志 / 车道聚类和离线多次行程的 Bundle Adjustment，如此构建的地图在 25 次路线中的标志角处的平均绝对精度小于 20 厘米。据我们所知，在汽车领域使用成本效益高的传感器，这是第一个使用全局坐标的端到端高清地图管道。

    Mar, 2017

  • 地图学习：自动驾驶的视觉常识

    本文提出了一种基于车载摄像头图像的道路布局推断模型，同时构建了一个路况数据集，可以将导航地图的元数据与 Google 街景图像匹配以提供标签，并利用深度卷积网络训练该模型，结果表明该方法可用于提升基础设施安全性。

    Nov, 2016

  • MP3：一个统一的模型用于映射、感知、预测和规划

    提出了一种无地图自主驾驶的端到端方法，该方法以原始传感器数据和高级命令（例如，在十字路口左转）作为输入，利用在线地图以及动态代理的当前和未来状态性能预测，并利用一种新颖的神经运动规划器制定可解释决策，同时能够更好地执行命令和比基线和专家驾驶员更加安全和舒适地执行长期封闭环模拟。

    Jan, 2021

  • 增量地图更新的道路网络融合

    本文提出了一种称为 mapfuse 的系统，该系统将人工注释的地图与任何自动推理地图融合，以有效实现快速地图更新，并研究了道路关闭的问题。

    Feb, 2018

  • 基于覆盖感知和强化学习的高清地图更新服务提升

    高清地图技术在自动驾驶中扮演关键角色，本论文提出了一种 Q-learning 算法来优化车载网络和高清地图更新，以解决网络拥塞和服务质量问题，实验结果显示，相较于其他方案，该算法显著提高了高清地图数据的延迟性能。

    Feb, 2024

  • Kharita: 使用图形 spanners 实现强韧的地图推断

    利用 GPS 信息收集了大量的地理轨迹信息，本文提出了高效的算法从中生成准确的地图，严格评估表明与现有工作相比，增加了 Biagioni f-score 并将执行时间减少了一个数量级，并开放源代码以便其他研究人员借鉴。

    Feb, 2017

  • 城市自动驾驶应用的概率语义地图

    本文介绍了一种将图像和预先构建的点云地图信息融合的方法来自动且准确地标记诸如道路、人行道、人行横道和车道等静态地标，并展示了该模型可以预测大部分道路特征并可以扩展用于自动将道路特征纳入高清地图。

    Jun, 2020

  • 探索基于地图特征的高效注意力车辆运动预测

    本文将使用基于 Efficient Attention 的模型，从 Argoverse 1.0 基准测试中的最小地图信息中提取过去的轨迹和地图特征，以实现关于自动驾驶的运动预测。

    May, 2022