将图像翻译为道路网络:一个序列对序列的视角

科学领域:

• 计算机视觉 计算机视觉
• 机器学习 机器学习
• 地理信息系统 (GIS) 是一个地理信息系统.

背景情况:

• 道路网络的提取对于高清地图至关重要,可以准确地定位和连接道路地标.
• 现有的方法在有效地合并欧几里德 (地标位置) 和非欧几里德 (拓连接) 数据结构方面面临挑战.

研究的目的:

• 为欧几里德和非欧几里德道路网络数据开发一个统一的表示.
• 提高道路网络提取的效率和准确性,以生成高清地图.

主要方法:

• 引入了RoadNet Sequence,这是欧几里德和非欧几里德数据的统一整数序列表示.
• 开发了一种非自行回归的序列对序列方法,解脱依赖关系以提高性能.
• 拟议的拓遗传培训,以增强拓推理和解决地标检测瓶.
• 利用SD-Maps提供预先信息,以改善地标检测和可访问性.

主要成果:

• 路网序列表示表现出了对现有方法的优越性.
• 非自行回归方法在效率和准确性方面取得了显著的改进.
• 拓遗传训练和SD-Maps集成带来了更好的地标检测和可访问性.
• 在nuScenes数据集上的实验验验证了与最先进的替代方法对比拟议的方法.

结论:

• 拟议的道路网序列和非自动回归方法为道路网络提取提供了更有效的解决方案.
• 这些方法解决了当前方法的关键局限性,为更准确,更有效的高清地图生成铺平了道路.