LR RoadMap: A Light-Weight Semantic Map for Visual Localization towards Autonomous Driving
Posted 四积阴功五读书
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了LR RoadMap: A Light-Weight Semantic Map for Visual Localization towards Autonomous Driving相关的知识,希望对你有一定的参考价值。
Abstract
提出一个轻量级定位方案, 基于便宜的相机和紧致的语义地图:
- lane line
- crosswalk
- ground sign
- stop line
语义地图的平均大小是: 36kb/km.
1. Introduction
量产车: production car
- 点云地图占太多memory了.
- HD map占用了太多人力, 很难保证及时的更新.
2. Literature Review
A. Traditional Visual SLAM
....
B. Road-based Localization
本文提出了在车建图, 在云端融合/更新.
3. System overview
需要传感器:
- 前视相机,
- RTK-GPS
- IMU和轮速
车端建图:
语义图是在前视提取的, 建图, 然后上传云端.
云端建图:
融合多趟建图, 然后压缩成contour extraction.
4. On-Vehicle Mapping
A. Image Segmentation
用了CNN方法, 类似[23, 24, 25]. 多累检测, 地面, lane line, stop line, road marker, curb, vehicle, bike, human.
B. Inverse Perspective Transformation
因为透视的噪声, 越远的场景, 越大的误差. 我们只选择ROI, 接近相机中心的部分, 12mx8m.
假设地面是一个平面, 每个像素\\([u, v]\\)会被投影到地面(z=0):
这里 \\(\\pi_c(.)^{-1}\\)是反投影. R, t外参. 只用1, 2, 4因为z=0.
C. Pose Graph Optimization
及时用了RTK-GNSS, 也不能保证位姿是一直可靠的, 因为它只能在空旷区域提供厘米级别的位置.
用pose graph来align里程计和GNSS.
D. Local Mapping
地图分成 \\(0.1\\times 0.1 \\times 0.1m\\) 的grid, 包含位置, 语义信息, 记录语义counter.
5. On-Cloud Mapping
A. Map Merging / Updating
根据位置, local map会被加入到grid map里. 详见上图.
B. Map Compression
6. User-End Localization
A. Map Decompression
恢复稠密点云.
B. ICP Localization
7. Experimental Results
A. Map Production
需要RTK-GPS, 前视相机, IMU和轮速编码器.
路算的总长是 22km, raw semantic map是16.7MB, 压缩的是0.786MB, 平均大小是36KB/KM.
B. Localization Accuracy
我们用Lidar的方法来评测. 对于自动驾驶任务, 我们专注在x, y, yaw的精度.
8. Conclusion & Future Work
没啥.
以上是关于LR RoadMap: A Light-Weight Semantic Map for Visual Localization towards Autonomous Driving的主要内容,如果未能解决你的问题,请参考以下文章
Embarcadero RAD Studio 2016 Product Approach and Roadmap
Master Plan for becoming a Software Architect : Roadmap of a Software Architect
全栈老司机roadmap笔记-------- javascript
高屋建瓴 cocos2d-x-3.0架构设计 Cocos2d (v.3.0) rendering pipeline roadmap(原文)