复旦交大华为等提出开放空间路径生成的轻量级框架，不使用高清地图！

以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容

点击领取学习资料 → 机器人SLAM学习资料大礼包

#论文# FlowMap: Path Generation for Automated Vehicles in Open Space Using Traffic Flow 论文地址：https://arxiv.org/abs/2305.01622
作者单位：复旦大学 上海交通大学 华为  已有大量文献通过融合各种传感器输入，如激光雷达、点云和使用深度神经网络的相机图像来感知道路结构。利用神经架构师(如transformers)和鸟瞰(BEV)表示的最新进展，道路认知的准确性不断提高。然而，在没有明确定义的道路的情况下，如何为自动化车辆认知道路仍然是一个悬而未决的问题。例如，在没有高清地图的情况下，如何在交叉口内找到路径是很困难的，因为既没有明确的道路定义，也没有明确的特征，如车道标线。这篇论文的想法来自一句谚语：当人们走在上面时，它就成了一种方式。虽然从传感器读数中看不到“路”，但从其他车辆的轨道上可以看到“路”。本文提出了一种基于交通流的自动车辆路径生成框架FlowMap。  FlowMap是通过扩展我们之前的工作路线构建的，这是一个轻量级的语义图，增加了一个流量流层。提出了一种基于交通流场的路径生成算法，用于生成类人路径。该框架使用真实的驾驶数据进行了验证，能够在不使用高清地图的情况下生成超复杂交叉口的路径。  我们提出了FlowMap，一个利用交通流在开放空间中生成路径的框架。FlowMap主要由交通流场表示和建立在其上的路径生成算法组成。FlowMap即使在大片空地上也能产生引导路径，在没有高清地图的情况下也能像人类一样开车。主要贡献如下： 1、FlowMap，一个不使用高清地图的开放空间路径生成的轻量级框架。 2、一个用于从交通流模拟驾驶行为的交通流场表示。 3、一个基于交通流场生成开放空间中类似人类的诱导路径的路径生成算法。 4、全面分析现实世界复杂场景下的总体框架。

以上内容来自小六的机器人SLAM学习圈知识星球每日更新内容