最近、Juefei Technology は車両側と道路側の大規模なデータ蓄積を通じて、MapTR (Map TRansformer) 手法に基づく革新と最適化を提案しました: ① 車線情報の表現を最適化し、モデル構造を簡素化する; ② MapTR内で地図の事前情報に基づいて、モデル出力地図要素の精度と再現率が効果的に向上します; ③車線中心線や道路トポロジーなどの要素のモデリングが追加され、単一のリアルタイム地図構築の効率が体系的に向上します。自動運転規制・制御が容易な車両です。
2022 年、華中科技大学のビジョン研究室は Horizon と協力し、高精度ベクトル地図のオンライン リアルタイム構築手法である MapTR を共同提案しました。マップ要素の構造モデリングを実行し、マップ要素を等価に配置された点セットのセットとして表現します。これにより、表現のあいまいさが排除され、モデルの学習の困難さが軽減されます。同時に、階層クエリ ベクトルを使用してマップ構造化情報をエンコードし、ポイント情報やインスタンス レベルの情報を柔軟にエンコードできます。
実験の結果、MapTR は nuScenes データセット上で優れたマッピング品質とリアルタイム実行速度を実現し、多様で複雑な運転シナリオでも安定したマッピング パフォーマンスを維持できることがわかりました。MapTR は、応用価値の高いオンライン地図スキームの可能性と展望を示しています。
Juefei Technology の最適化の方向性: 自動運転の下流タスクにより適しています
リアルタイム マッピング機能は、自動運転のためのリアルタイム環境認識を実現するための前提条件です。現在、マップ ベクトル化手法は、リアルタイム マッピングの注目の方向となっており、順序付けされた点セットを使用して各マップ要素を表現し、各マップ要素の点セットを直接返すため、より正確な結果と高速な演算速度が実現されます。 。
ただし、実際のアプリケーションでは、そのような方法も改善する必要があります。例えば、複数の道路情報を検出する場合、モデル構造が冗長になるため計算効率が低下し、オクルージョンや遠方の対象物に対しては有効な特徴量を抽出できません。同時に、この方法はレーンレベルのトポロジー構造を直接出力できないため、下流の調整モジュールが使用することが困難になります。
上記の問題に対処するため、Juefei Technology は、大量の車両側および道路側データの蓄積を通じて MapTR 手法を実用化するために最適化し、これらの最適化により、地図の詳細と構造をより正確に把握し、さらに充実させることができます。地図構築のレベルから地図要素を出力し、自動運転のさまざまな下流タスクにより適したものにします。
Juefei Technology のベクトル マップをリアルタイムで認識する能力
ビデオ: Juefei Technology のリアルタイム認識ベクトル マップ機能のデモンストレーション
Juefeiテクノロジーの実践
1. レーン属性を表現するためのより完全な方法
MapTR に基づいて、Juefei Technology は車線の中心線の表現と出力を向上させ、車線の接続関係をより明確に反映できます。同時に、Juefei は車線の方向を学習する能力も向上し、車線の中心線の方向情報と対向車線の方向を区別します。それだけでなく、モデルは車線幅情報や車線境界線属性情報も返すことができ、この表現方法は下流の規制および制御モジュールの実際のニーズにより一致し、自車のパフォーマンスを大幅に向上させます。地図理解のために。
2.地図事前情報の追加
Juefei Technology は、大量の路上テストデータの蓄積を通じて、MapTR に地図の事前情報を追加しました。特に「交差点」や咬合関係のシーンでは、この方法によりトポロジカルな接続関係がより安定して出力され、精度が大幅に向上します。再現率や再現率を向上させ、複雑な交差点通過時などにおける自車の安全性を向上させます。
3. 道路トポロジー表現の最適化
MapTR によって検出された車線オブジェクトは通常、トポロジカルな分岐点によって中断されますが、Juefei Technology のソリューションは、その後の車線接続の手動処理を必要とせずに、分岐点によって中断された車線を再接続できます。この方法では、検出された車線の部分的な重複が発生しますが、各車線をより独立させ、車線の形状をより連続的かつ滑らかにすることができます。特に車線が頻繁に分岐するシナリオでは、モデルにより明確な監視信号を提供でき、安定性が向上します。実際のシーンで使用される全体モデルの説明。
現在、Juefei Technology は、MapTR に基づく複数の改善をマルチタスク共同トレーニングに追加し、3D 障害物検出、道路セグメンテーション、その他の機能と組み合わせて、大規模な認識モデルを継続的に反復して、不慣れなシーンで車両に優れた自動運転機能を提供しています。Juefei Technology は、この方法がリアルタイム マッピングのさらなる革新の基礎を提供し、最終的には自動運転技術の開発をより安全で信頼性の高い方向に改善できることを期待しています。
元の論文へのリンク: https://arxiv.org/abs/2208.14437
コードリンク: https://github.com/hustvl/MapTR