딥 러닝 기반의 경로 지도 추출을 통한 주행 지도 추론

고해상도(HD) 지도는 주행 장면에 대한 폭넓고 정확한 환경 정보를 제공하여, 자율 주행 시스템 내 계획의 중요한 요소로 간주됩니다. 수동 라벨링의 광범위한 노력을 피하기 위해, 지도 생성 자동화 방법이 등장했습니다. 최근 트렌드는 오프라인 매핑에서 온라인 매핑으로 이동하여, 사용되는 지도의 가용성과 현실성을 보장하고 있습니다. 최근 몇 년 간 성능이 향상되었지만, 온라인 매핑은 여전히 시간적 일관성, 센서 가림, 실행 시간, 일반화와 관련된 도전 과제를 직면하고 있습니다. 우리는 드라이버가 사용하는 비공식 경로인 트레일을 지도 생성 과정에 통합하는 새로운 오프라인 매핑 접근 방식을 제안합니다. 본 방법은 자차와 다른 교통 참여자로부터 트레일 데이터를 집계하여, 변환기 기반 딥러닝 모델을 사용해 포괄적인 글로벌 지도를 구축합니다. 전통적인 오프라인 매핑과 달리, 우리의 접근 방식은 센서에 구애받지 않으면서도 지속적인 업데이트를 가능하게 하여 효율적인 데이터 전송을 촉진합니다. 본 방법은 최첨단 온라인 매핑 접근 방식보다 우수한 성능을 보여주며, 이전에 보지 못한 환경과 센서 구성에 대한 개선된 일반화를 달성합니다. 두 개의 벤치마크 데이터 세트에서 우리의 접근 방식을 검증하며, 자율 주행 시스템에서의 강인성과 적용 가능성을 강조합니다.