大规模地图构建的细粒度高分辨率卫星数据集 OpenSatMap
简介
本文提出了用于大规模地图构建的细粒度高分辨率卫星数据集 OpenSatMap。 地图构建是导航和自动驾驶等交通行业的基础之一。 从卫星图像中提取道路结构是构建大比例尺地图的有效方法。 然而,现有的卫星数据集仅提供分辨率相对较低(最高 19 级)的粗语义级标签,阻碍了这一领域的发展。 相比之下,拟议的 OpenSatMap (1) 具有细粒度的实例级注释;(2) 包含高分辨率图像(20 级);(3) 是目前同类数据中最大的;(4) 收集的数据具有很高的多样性。 此外,OpenSatMap 还覆盖了流行的 nuScenes 数据集和 Argoverse 2 数据集,并与之保持一致,有望推动自动驾驶技术的发展。 通过发布和维护该数据集,我们为基于卫星的地图构建和自动驾驶等下游任务提供了高质量的基准。
摘要
该数据集包含3787张高分辨率卫星图像,带有细粒度的注释,覆盖了多样的地理位置和流行的驾驶数据集。它可以用于大规模地图构建和下游任务,如自动驾驶。这些图像是从Google地图上以19级分辨率(0.3米/像素)和20级分辨率(0.15米/像素)收集的,我们分别将其称为OpenSatMap19和OpenSatMap20。对于OpenSatMap19,这些图像是从中国的8个城市收集的,包括北京、上海、广州、深圳、成都、西安、天津和沈阳。OpenSatMap19中有1806张图像。对于OpenSatMap20,这些图像是从18个国家、全球50多个城市收集的。OpenSatMap20中有1981张图像。下图显示了OpenSatMap中图像的采样区域。
我们使用矢量化的多边形线来表示线实例。我们首先将所有线条分为三类:路缘线、车道线和虚拟线。路缘线是道路的边界。车道线是那些可见的形成车道的线。虚拟线意味着这里没有车道线或路缘线,但从逻辑上讲应该有一个边界来形成完整的车道。请参阅下面的图例以获取这三类的示例。
对于每个线实例,我们提供八个属性:颜色、线型、线条数量、功能、双向、边界、阴影、清晰度。具体来说,它们是:颜色:线的颜色。可以是白色、黄色、其他或无。线型:线的类型。可以是实线、粗实线、虚线、短虚线点线、其他或无。线条数量:线的数量。可以是单线、双线、其他或无。功能:线的功能。可以是倒三角标记、禁止停车、减速线、公交车道、潮汐线、停车位、车辆停放区、引导线、可变线、借道线、其他或无。双向:线是否是双向的。可以是真或假。边界:线是否是边界。可以是真或假。阴影:遮挡程度。可以是无、轻微或严重。清晰度:线的清晰度。可以是清晰或模糊。请注意,路缘和虚线上的人造可见线没有,因此我们将它们的颜色、线型、线条数量和功能标注为无。
数据下载链接
密码:otg0
OpenSatMap 的任务
任务 1 是从卫星图像中进行实例级线检测。
任务 2 是用于自动驾驶的卫星增强在线地图构建。
任务 1:实例级线检测
此任务的目的是从卫星图像中提取实例级的道路结构。对于每个实例,我们使用多边形线作为矢量化表示,使用像素级掩码作为栅格化表示。
任务 2:卫星增强在线地图构建
我们使用卫星图像来增强自动驾驶的在线地图构建。输入是自动驾驶车辆的摄像头图像和同一区域的卫星图像,输出是车辆周围的矢量化地图元素。
安装
安装 Go。我们使用的 Go 版本是 1.19。
下载一些依赖项
修复代码中的错误。请转到 path/to/src/github.com/ironsublimate/gomapinfer/googlemaps foloder,修改 coords.go、sat.go。使用以下代码修复错误。(ironsublimate的大小写由大写改为小写)。
运行代码
引用
https://doi.org/10.48550/arXiv.2410.23278
|
许可
This website template is borrowed from
under the .网址推荐
知识星球
机器学习
- 点赞
- 收藏
- 关注作者
评论(0)