OpenStreetMap机器学习更新:研究差距与未来发展方向分析
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
该研究论文介绍如何通过利用航空图像处理自动更新街道地图,并且提出了一个新的数据集MUNO21,通过评估现有的道路提取方法揭示了地图更新任务的挑战。
Oct, 2021
本研究探索利用生成型AI作为绘图的助手的概念,以增强协作绘图的效率,并结合志愿地理信息和大型语言模型进行实验,结果表明,采用更详细的来源照片描述或结合附加上下文可以在不修改底层AI模型的情况下有效地提高地图标记建议的准确性。
Jun, 2023
利用相对较小规模(10亿参数)的大型语言模型和相对较小的人工数据集精细调整,为OpenStreetMap数据提供了语言接口,以查询城市区域的属性,并探索人工智能适应性和生成能力在这一领域的早期应用潜力。
Sep, 2023
利用OpenStreetMap (OSM)作为长期动态预测的替代方案,取得了竞争力的表现,并在不同场景中进行了深入分析,为自动驾驶中的长期动态预测提供了潜在可扩展的解决方案。
Nov, 2023
地理人工智能(GeoAI)在测绘学中的应用与研究展现了巨大潜力,同时也引发了伦理问题的关注,本文通过对GeoAI和测绘学整合的研究进行综述和分析,总结了关于GeoAI在测绘设计中的应用方法以及相关的伦理挑战,并提出了未来的研究方向。
Dec, 2023
自动驾驶汽车在今天逐渐进入城市道路,通过高清地图(HDMaps)的帮助。尽管在线HDMap生成算法的性能在远程地区仍然令人不满意,但这一事实促使许多研究人员进行研究。我们提出了P-MapNet,并将字母P强调为我们专注于合并地图先验以提高模型性能的事实。我们在OpenStreetMap中提取了弱对齐的SDMap,作为一个额外的条件分支对其进行编码。我们的基于注意力的架构能够自适应地关注相关的SDMap框架并显著提高性能。此外,我们利用掩蔽自编码器捕获HDMap的先验分布,它可以作为细化模块来减轻遮挡和伪影。通过综合实验,我们展示了:(1)我们的SDMap先验可以提高在线地图生成的性能,使用栅格化输出表示(最多可达到+18.73mIoU)和矢量化输出表示(最多可达到+8.50mAP)。(2)我们的HDMap先验可以提高地图感知度量结果,最高可达到6.34%。 (3)P-MapNet可以切换到不同的推理模式,覆盖了精度-效率权衡的不同区域。 (4)P-MapNet是一个远见的解决方案,在更长范围上带来了更大的改进。代码和模型公开在此https URL。
Mar, 2024
该研究提出了一种基于向量高清地图的算法,将地图构建作为一个跟踪任务,并使用以往的潜在记忆来确保随时间的一致性重建。MapTracker通过将传感器流积累到两种潜在表示的内存缓冲区中,即鸟瞰图和道路元素的向量潜在,来实现这一目标。该方法借用了跟踪文献中的查询传播范式,将上一帧中跟踪到的道路元素明确地与当前帧中的元素关联起来,并使用距离步幅选择的一部分内存潜在进一步增强时间连续性。通过解码向量潜在,可以重建道路元素的几何形状。该研究还通过1)改进现有数据集的处理代码,以产生具有时间对齐的一致地面真实性和2)通过一致性检查增强现有的mAP度量标准,做出了基准贡献。在nuScenes和Agroverse2数据集上,MapTracker相对于传统度量标准和新的一致性感知度量标准分别提高了8%和19%。
Mar, 2024
本文针对自动驾驶中高清地图的生成与维护问题,提出了可解释的基于元素的高清地图变更检测与更新方法ExelMap,弥补了现有方法在精确定位和提取变更地图元素方面的不足。研究表明,ExelMap能有效识别变更的地图元素,并改善当前变更检测评估指标的使用,首次深入探讨了真实世界图像的端到端地图变更检测与更新问题。
Sep, 2024
本研究针对传统高清地图构建的高成本和低可扩展性问题,提出了一种新的全球地图构建方法。通过全球地图构建框架GlobalMapNet,结合众包和在线制图的优点,可以直接生成矢量化的全球高清地图。实验结果表明,该框架在生成全球一致性结果方面具有显著潜力。
Sep, 2024