Autonomous driving represents one of the most challenging and promising technological advancements in modern mobility. The development of reliable self-driving systems is driving the transition from traditional urban transportation to a renewed concept of mobility. Among the key enabling technologies that boost this transformation, High-Definition (HD) maps play a key role, offering a detailed and structured representation of the road environment, which supports accurate scene interpretation, vehicle localization, and the generation of safe and reliable driving trajectories. Despite their relevance, current HD maps exhibit critical limitations in terms of standardization, integration, and scalability, which limit their employment in autonomous driving systems. This work addresses the problem of HD map generation by proposing a modular, offline pipeline that processes raw sensor data to produce a layered and coherent representation of the road environment. The core contribution of this work is the definition of a strategy to ensure data consistency across the different layers of the HD map, by refining the geometric representation of the road topology using the fine-grained semantic description of the environment extracted from LiDAR data. This approach enables the construction of a consistent and unified map structure, suitable for integration into autonomous vehicle software architectures. Thanks to its modular and well-defined structure, the proposed pipeline constitutes a reproducible and extensible framework for HD map generation, limiting manual annotation effort and supporting the use of HD maps as a common and reliable representation of the road environment.

La guida autonoma rappresenta una delle sfide tecnologiche più complesse e promettenti nell’ambito della mobilità moderna. La creazione di sistemi a guida autonoma affidabili sta favorendo lo sviluppo di una mobilità urbana più sostenibile e condivisa. Le mappe ad alta definizione (HD maps) si collocano tra le soluzioni tecnologiche che favoriscono maggiormente questa trasformazione, fornendo una rappresentazione dettagliata e strutturata dell’ambiente stradale, necessaria per un’interpretazione accurata della scena stradale, per un'accurata localizzazione del veicolo e per la generazione di traiettorie sicure e affidabili. Nonostante la loro utilità, le mappe HD presentano limitazioni significative in termini di standardizzazione, integrazione e scalabilità, che ne ostacolano l’impiego nei sistemi di guida autonoma. Questo lavoro affronta il problema della generazione di mappe HD definendo una pipeline di creazione modulare, eseguita offline, che elabora dati grezzi provenienti da sensori per produrre una rappresentazione stratificata e coerente dell’ambiente stradale. Il contributo innovativo del lavoro proposto risiede nella definizione di un metodo per garantire la coerenza dei dati tra i diversi livelli della mappa, affinando la rappresentazione geometrica della topologia stradale con il supporto della ricostruzione dell’ambiente estratta da dati LiDAR. Questo approccio consente la costruzione di una struttura dati completa e coerente, adatta all’integrazione nei software di guida autonoma. Grazie alla sua struttura modulare, la pipeline proposta per la generazione di mappe HD costituisce un framework riproducibile ed estendibile, che riduce al minimo la necessità di un'elaborazione manuale dei dati e che favorisce l’adozione di rappresentazioni standardizzate dell’ambiente stradale.

HD mapping for autonomous driving: analysis and development of an automated map creation pipeline

Frettoni, Lucia
2024/2025

Abstract

Autonomous driving represents one of the most challenging and promising technological advancements in modern mobility. The development of reliable self-driving systems is driving the transition from traditional urban transportation to a renewed concept of mobility. Among the key enabling technologies that boost this transformation, High-Definition (HD) maps play a key role, offering a detailed and structured representation of the road environment, which supports accurate scene interpretation, vehicle localization, and the generation of safe and reliable driving trajectories. Despite their relevance, current HD maps exhibit critical limitations in terms of standardization, integration, and scalability, which limit their employment in autonomous driving systems. This work addresses the problem of HD map generation by proposing a modular, offline pipeline that processes raw sensor data to produce a layered and coherent representation of the road environment. The core contribution of this work is the definition of a strategy to ensure data consistency across the different layers of the HD map, by refining the geometric representation of the road topology using the fine-grained semantic description of the environment extracted from LiDAR data. This approach enables the construction of a consistent and unified map structure, suitable for integration into autonomous vehicle software architectures. Thanks to its modular and well-defined structure, the proposed pipeline constitutes a reproducible and extensible framework for HD map generation, limiting manual annotation effort and supporting the use of HD maps as a common and reliable representation of the road environment.
GIACALONE, ALBERTO
PANZANI, GIULIO
SAVARESI, SERGIO MATTEO
SPECCHIA, SIMONE
ING - Scuola di Ingegneria Industriale e dell'Informazione
22-lug-2025
2024/2025
La guida autonoma rappresenta una delle sfide tecnologiche più complesse e promettenti nell’ambito della mobilità moderna. La creazione di sistemi a guida autonoma affidabili sta favorendo lo sviluppo di una mobilità urbana più sostenibile e condivisa. Le mappe ad alta definizione (HD maps) si collocano tra le soluzioni tecnologiche che favoriscono maggiormente questa trasformazione, fornendo una rappresentazione dettagliata e strutturata dell’ambiente stradale, necessaria per un’interpretazione accurata della scena stradale, per un'accurata localizzazione del veicolo e per la generazione di traiettorie sicure e affidabili. Nonostante la loro utilità, le mappe HD presentano limitazioni significative in termini di standardizzazione, integrazione e scalabilità, che ne ostacolano l’impiego nei sistemi di guida autonoma. Questo lavoro affronta il problema della generazione di mappe HD definendo una pipeline di creazione modulare, eseguita offline, che elabora dati grezzi provenienti da sensori per produrre una rappresentazione stratificata e coerente dell’ambiente stradale. Il contributo innovativo del lavoro proposto risiede nella definizione di un metodo per garantire la coerenza dei dati tra i diversi livelli della mappa, affinando la rappresentazione geometrica della topologia stradale con il supporto della ricostruzione dell’ambiente estratta da dati LiDAR. Questo approccio consente la costruzione di una struttura dati completa e coerente, adatta all’integrazione nei software di guida autonoma. Grazie alla sua struttura modulare, la pipeline proposta per la generazione di mappe HD costituisce un framework riproducibile ed estendibile, che riduce al minimo la necessità di un'elaborazione manuale dei dati e che favorisce l’adozione di rappresentazioni standardizzate dell’ambiente stradale.
File allegati
File Dimensione Formato  
2025_07_Frettoni_Tesi.pdf

non accessibile

Descrizione: testo tesi
Dimensione 26.95 MB
Formato Adobe PDF
26.95 MB Adobe PDF   Visualizza/Apri
2025_07_Frettoni_Executive Summary.pdf

non accessibile

Descrizione: executive summary
Dimensione 1.49 MB
Formato Adobe PDF
1.49 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/240341