[论文解读] Automatic Map Generation for Autonomous Driving System Testing

Yun Tang, Yuan Zhou+6 more|arXiv (Cornell University)|Jun 19, 2022

Autonomous Vehicle Technology and Safety被引用 6

一句话总结

Feat2Map 是一种新颖的框架，通过基于特征的方法对路口进行建模，能够自动生成简洁、场景多样的高清（HD）地图，用于自动驾驶系统（ADS）测试。它从输入地图或用户输入中提取并采样路口特征，然后构建保持代码覆盖率并提升场景多样性的网格布局地图。

ABSTRACT

High-definition (HD) maps are essential in testing autonomous driving systems (ADSs). HD maps essentially determine the potential diversity of the testing scenarios. However, the current HD maps suffer from two main limitations: lack of junction diversity in the publicly available HD maps and cost-consuming to build a new HD map. Hence, in this paper, we propose, FEAT2MAP, to automatically generate concise HD maps with scenario diversity guarantees. FEAT2MAP focuses on junctions as they significantly influence scenario diversity, especially in urban road networks. FEAT2MAP first defines a set of features to characterize junctions. Then, FEAT2MAP extracts and samples concrete junction features from a list of input HD maps or user-defined requirements. Each junction feature generates a junction. Finally, FEAT2MAP builds a map by connecting the junctions in a grid layout. To demonstrate the effectiveness of FEAT2MAP, we conduct experiments with the public HD maps from SVL and the open-source ADS Apollo. The results show that FEAT2MAP can (1) generate new maps of reduced size while maintaining scenario diversity in terms of the code coverage and motion states of the ADS under test, and (2) generate new maps of increased scenario diversity by merging intersection features from multiple maps or taking user inputs.

研究动机与目标

• 解决公开可用高清地图中路口多样性不足的问题，该问题限制了自动驾驶系统测试中的场景多样性。
• 克服为基于仿真的自动驾驶系统验证而手动创建新高清地图所面临的高成本和高人力投入问题。
• 开发一种自动化方法，生成简洁但多样的高清地图，同时在自动驾驶系统测试中保持或提升代码覆盖率。
• 基于用户定义的路口特征实现可定制的地图生成，以支持针对特定测试场景的验证。
• 整合多张输入地图的特征，突破单张地图的局限，提升场景多样性。

提出的方法

• 定义一个特征向量以表征路口，包括道路数量、方向、交通控制方式以及人行横道的存在性。
• 从输入的高清地图或用户指定的需求中提取每个特征的所有可能取值。
• 应用组合采样技术，生成覆盖所有可能性的最小唯一特征组合集合。
• 从每个采样得到的特征向量构建独立的路口，并以网格布局连接形成完整的高清地图。
• 支持用户自定义地图生成，允许用户手动定义路口特征，包括道路类型（例如单向、双向）和几何构型。
• 使用三次Bézier曲线对路口之间的道路段进行建模，以实现平滑且连续的路网几何结构。

实验结果

研究问题

• RQ1 Feat2Map 是否能从现有输入地图中生成简洁的高清地图，同时在自动驾驶系统代码覆盖率和运动状态方面保持场景多样性？
• RQ2 将多张输入地图（如旧金山、GoMentum、Shalun）的路口特征进行整合后，是否能产生比单独使用每张地图更高的感知场景多样性？
• RQ3 Feat2Map 是否能够基于用户定义的路口特征生成定制化高清地图？其在场景覆盖率方面的表现如何？
• RQ4 包含无交通控制的裸露路口（即无信号控制）对生成地图中的场景多样性和代码覆盖率有何影响？

主要发现

• Feat2Map 在保持与真实世界地图相当的代码覆盖率的同时，成功生成了尺寸更小的高清地图，展现出高效性和有效性。
• 由多张输入地图生成的地图（M₄）在代码覆盖率上与单张地图相当，但引入了新的测试路径，包括一条此前未被覆盖的仅含一个阶段（LF）的路径，这归因于裸露路口的引入。
• 整合多张地图的特征显著提升了场景多样性，表现为在Apollo 7.0自动驾驶系统中发现了新的运动状态和控制模式。
• 用户自定义的特征（如带信号控制和特定角度方向的五道路巨型路口）被成功生成，证实了该框架的灵活性和定制能力。
• 该框架通过按插槽建模道路类型，有效处理了复杂路口类型，包括单向道路和非对称道路连接。
• 生成的地图在地图压缩后仍保持了对真实自动驾驶系统测试至关重要的拓扑和几何特征，代码覆盖率未出现显著下降。