DeltaMap - Life-long HD Map Change Detection and Update
- Reference number
- ID22-0045
- Project leader
- Jensfelt, Patric
- Start and end dates
- 230101-271231
- Amount granted
- 2 500 000 SEK
- Administrative organization
- KTH - Royal Institute of Technology
- Research area
- Information, Communication and Systems Technology
Summary
DeltaMap proposes a novel scheme for radically reducing the time it takes to update the HD maps that most current autonomous vehicles rely on for safe operation. Custom mapping vehicles and heavy post-processing is needed to create the HD maps. Our core idea is that we can make use of the sensors on the autonomous vehicles instead to validate HD maps, detect safety critical changes, and generate decision support and data based on which HD map updates can be facilitated. The main scientifical goals are to investigate methods for change detection and robust mapping using commercial vehicle sensors and methods for automatically validating HD maps and assist in updating them. The work plan is defined by a set of milestones that defines gradually more complete designs of the proposed system. Given the complexity of the problem it will be important to early on identify challenges beyond those that are easy to foresee in advance and therefore the first step will be a proof-of-concept system. This will also give the PhD student an opportunity to get familiar with all parts of the system. We plan for two full additional iterations. The intermediate system has relaxed many of the initial assumptions but operates offline and with less attention to computational cost. The expected final result would be a system operating online and suggestions for how the produced data could be used to automate the update process further. The final deliverable would be the PhD thesis.
Popular science description
DeltaMap presenterar ett sätt att minska tiden det tar att uppdatera kartorna som de flesta nuvarande autonoma fordon förlitar sig på för säker drift. Specialutrustade karteringsfordon och tung efterbearbetning behövs för att skapa dessa kartor. Vår kärnidé är att vi kan använda de enklare sensorerna som sitter på vanliga autonoma fordon för att validera kartor, upptäcka säkerhetskritiska förändringar och generera beslutsstöd och data baserat på vilka kartuppdateringar kan underlättas. Dessa fordon kör naturligt genom miljön och den extra kostanden att låta dem sköta denna uppgift är förhållandevis lågt men värdet det tillför väldigt högt. Arbetsplanen definieras av en uppsättning milstolpar som definierar gradvis mer kompletta versioner av det föreslagna systemet. Med tanke på problemets komplexitet kommer det att vara viktigt att tidigt identifiera utmaningar utöver dem som är lätta att förutse i förväg och därför kommer det första steget att vara ett proof-of-concept-system. Detta kommer också att ge doktoranden möjlighet att bekanta sig med alla delar av systemet. Vi planerar för två fullständiga ytterligare iterationer. Det mellanliggande systemet har lättat på många av de initiala antagandena men fungerar offline och med mindre uppmärksamhet på beräkningskostnad. Det förväntade slutresultatet skulle vara ett system som fungerar online och förslag på processen kan automatiseras ytterligare.