轻量级地图实现高精度自动驾驶定位:EgoVM

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# arxiv速递|百度自动驾驶技术部门( ADT )发布EgoVM:使用轻量级矢量化地图实现精确的自我定位
【EgoVM: Achieving Precise Ego-Localization using Lightweight Vectorized Maps】
文章链接:http://arxiv.org/abs/2307.08991
准确可靠的自我定位对于自动驾驶至关重要。在本文中,我们提出了EgoVM,一个端到端的定位网络,达到了与先前SOTA方法相当的定位精度,但使用轻量级的矢量化地图而不是重型的基于点的地图。首先,我们从在线多视角图像和LiDAR点云中提取BEV特征。然后,我们使用一组可学习的语义嵌入对地图要素的语义类型进行编码,并通过语义分割对其进行监督,使其特征表示与BEV特征一致。之后,我们将由可学习的语义嵌入和地图元素坐标组成的地图查询输入到Transformer解码器中,与BEV特征进行跨模态匹配。最后,我们采用基于直方图的鲁棒位姿求解器,通过对候选位姿进行穷举搜索来估计最优位姿。我们使用nuScenes数据集和新收集的数据集全面验证了我们方法的有效性。实验结果表明,我们的方法达到了厘米级的定位精度,并且在很大程度上优于现有的使用矢量化地图的方法。此外,我们的模型在各种具有挑战性的城市场景下的大量无人驾驶汽车中进行了广泛的测试。







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
最后介绍一下我们最近的几个学习活动:
1、从零掌握GNSS、RTK定位
2、从零开始ChatGPT编程
3、视觉动态SLAM方向全梳理
4、快速入门激光雷达惯性SLAM-FastLio2
5、超棒的机器人SLAM圈!