摘要
大规模自动驾驶的基本挑战之一是能够以低成本创建精确的高清地图(HD地图)。目前自动化这一过程的尝试通常集中在简单的场景，每帧估计独立的地图，或者没有现代自动驾驶汽车所需的精度。相比之下，在本文中，我们专注于绘制具有许多车道的复杂公路的车道边界，这些车道由于分叉和合并而包含拓扑变化。为了实现这一目标，我们将问题表述为有向无环图模型(DAG)中的推理，其中图的节点编码车道边界局部区域的几何和拓扑属性。由于我们不知道车道的拓扑结构，我们还推断每个区域的DAG拓扑结构(即节点和边)。我们在两个不同州的两条主要北美高速公路上演示了该方法的有效性，并显示出较高的精度和召回率以及89%的正确拓扑。
作者
Namdar Homayounfar，马Wei-Chiu \ *，贾斯汀梁\ *，鑫吴，杰克的粉丝，拉奎尔Urtasun
会议
ICCV 2019
论文全文
“DAGMapper:通过发现车道拓扑来学习映射”(PDF)
超级ATG
评论