.png){kind=icon}
返回
Active layered topology mapping driven by road intersection
.png){kind=icon}
PRE
AI
DOI：10.1016/j.knosys.2025.113305.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
当前先进的自动驾驶系统高度依赖先验密集地图。然而，由于涉及巨大的空间尺度，在复杂环境之外创建、存储和传输此类密集地图具有挑战性。这一限制显著阻碍了自动驾驶技术的广泛应用，尽管其有望带来巨大的社会效益。本文提出了一种分层混合地图构建方法，旨在通过使用交叉路口作为参考路标节点来提高自主制图鲁棒性和效率。每个节点在度量、语义和拓扑层上组织，为自主导航提供关键参考，而无需依赖先验地图。为捕捉交叉路口节点的道路结构，我们提出了一种智能感知模型，用于提取三种类型的道路语义信息：交叉路口类型、路缘特征和道路宽度。该感知模型全面有效地提取节点周围的空間结构表征，从而有助于积累语义层进行地图构建。此外，我们在分层架构中开发了一种增强型迭代最近点算法，以改进制图过程中的节点再识别，确保在大规模混合地图中实现稳定快速的定位。该方法融合了人工智能技术，为拓扑节点的再识别提供了新范式。在六个数据集上的实验表明，所提出的混合制图方法能够持续有效地构建语义地图，其道路网络拓扑结构与实际地图的相似度最高可达97.58%。该方法在自动驾驶、机器人学、地理信息系统和城市规划等领域具有重要的工程应用价值。
Keyword:
Hybrid mapping
Road structure detection
Hierarchical architecture
Node re-identification
期刊
K
IF:
7.6
论文数:
1.2W
被引数:
4.5W
机构
引用论文
Real-Time Road Intersection Detection in Sparse Point Cloud Based on Augmented Viewpoints Beam Model.png)
SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏SLAM-RAMU: 3D LiDAR-IMU lifelong SLAM with relocalization and autonomous map updating for accurate and reliable navigationSLAM-RAMU：带有重定位和自主地图更新的3D激光雷达-IMU终身SLAM，用于精确可靠的导航
OAAI
OAAI分享收藏
查看更多内容