- عنوان کتاب: Learning from Maps Scalable Ground Truth Generation in Autonomous Driving
- نویسنده: Frank Bieder
- حوزه: نقشه برداری
- سال انتشار: 2026
- تعداد صفحه: 206
- زبان اصلی: انگلیسی
- نوع فایل: pdf
- حجم فایل: 5.38 مگابایت
درک نقشه قابل اعتماد و قوی، با پشتیبانی از چندین عملکرد ضروری، یک عامل کلیدی برای رانندگی خودکار مقیاسپذیر است: تشخیص عناصر نقشه از حسگرهای روی برد، امکان محلیسازی در یک نقشه با کیفیت بالا (HD)، تأیید بهروز بودن نقشه و درک اطلاعات نقشه در لحظه به سمت الگوهای رانندگی بدون نقشه را فراهم میکند. روشهای سنتی برای آموزش سیستمهای ادراک، به شدت به فرآیند پرهزینه، زمانبر و اغلب مختص حسگر، یعنی حاشیهنویسی دستی دادههای حسگر متکی هستند. در مقابل، این کار یک رویکرد مقیاسپذیر برای تولید دادههای آموزشی برای مدلهای یادگیری ماشین با استفاده از نقشههای HD به عنوان منبع نظارت در روشهای مختلف حسگر و وظایف ادراک ارائه میدهد. بخش اول این پایاننامه، مشخصات، ضبط و پردازش یک مجموعه داده چند درایوی را شرح میدهد که به عنوان پایهای برای یادگیری مدلهای ادراک به طور مستقیم از نقشههای HD عمل میکند. رویکردهای نقشهبرداری مکمل برای ایجاد مجموعهای جامع از لایههای نقشه اعمال میشوند. عناصر نقشه موجود در نمایش هندسی، سطح انتزاع و نقش عملکردی متفاوت هستند و مجموعه متنوعی از اهداف آموزشی را برای وظایف ادراکی مختلف ارائه میدهند. بر اساس این مبنا، بخش دوم پایاننامه به آموزش و ارزیابی مدلهای ادراک چندگانه در میان روشهای مختلف حسگر و بازنماییهای یادگیری میپردازد. برای رسیدن به این هدف، یک مدل ادراک از دید پرنده (BEV) برای ساخت نقشه HD آنلاین از دوربینهای دید محیطی آموزش داده میشود، در حالی که رژیم آموزشی در ابعاد مختلف تجزیه و تحلیل و بهینهسازی میشود. مکمل نمایش BEV، مدلهای ادراک نقشه از دید چند پرسپکتیو برای روشها و وظایف مختلف حسگر آموزش داده میشوند. یک سری از آزمایشها، حاشیهنویسیهای دقیق پیکسلی را برای دوربینهای دید جلو ایجاد میکند، که در آن مدلهای آموزشدیده به طور قوی کلاسهای مختلف عناصر نقشه، از جمله عناصر نقشه ریزدانه مانند علائم جادهای خطچین، چراغهای راهنمایی و علائم راهنمایی را پیشبینی میکنند. اثربخشی رویکرد پیشنهادی همچنین در یک محیط انطباق دامنه چند وجهی کاملاً خودنظارتی نشان داده میشود و دانش را از یک مجموعه داده تصویر غنی حاشیهنویسی شده به دامنه تشخیص و فاصلهیابی نور (LiDAR) از طریق نقشههای HD تولید شده به صورت خودکار منتقل میکند.
A reliable and robust map perception is a key enabler for scalable autonomous driving by supporting multiple essential functions: Detecting map elements from on-board sensors enables localization within a highdefinition (HD) map, verification that a map is up-to-date, and on-the-fly perception of map information towards map-less driving paradigms. Traditional methods for training perception systems rely heavily on the costly, time-consuming, and often sensor-specific process of manually annotating sensor data. In contrast, this work presents a scalable approach for the generation of training data for machine learning models by leveraging HD maps as a supervision source across different sensor modalities and perception tasks. The first part of the thesis details the specification, recording and processing of a multi-drive dataset that serves as a foundation for learning perception models directly from HD maps. Complementary mapping approaches are applied to create a comprehensive set of map layers. The contained map elements differ in geometric representation, abstraction level, and functional role and offer a diverse set of training targets for various perception tasks. Based on this foundation, the second part of the thesis trains and evaluates multiple perception models across different sensor modalities and learning representations. Towards this goal, a bird’s-eye view (BEV) perception model for online HD map construction from surround-view cameras is trained, while analyzing and optimizing the training regime across multiple dimensions. Complementary to the BEV representation, multiple perspective view map perception models are trained for different sensor modalities and tasks. One line of experiments generates pixel-accurate annotations for front-view cameras, where trained models robustly predict diverse map element classes, including fine-grained map elements such as dashed road markings, traffic lights, and traffic signs. The effectiveness of the proposed approach is also demonstrated in a fully self-supervised cross-modal domain adaptation setting, transferring knowledge from a richly annotated image dataset to the Light Detection and Ranging (LiDAR) domain via automatically generated HD maps.
این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:
Download: Learning from Maps Scalable Ground Truth Generation in Autonomous Driving





نظرات کاربران