Jun, 2022

VectorMapNet: 端到端的矢量高精度地图学习

PDF
TL;DR本研究提出了一个名为 VectorMapNet 的端到端矢量化高清地图学习管道，它可以利用传感器观测数据预测出鸟瞰图中稀疏的折线。该管道可以明确地建模地图元素之间的空间关系，并生成对自主驾驶任务友好的矢量化高清地图。实验表明，VectorMapNet 在 nuScenes 和 Argoverse2 数据集上的地图学习性能优于以前的最先进方法，MAP 分别提高了 14.2 和 14.6。
发现论文，激发创造
  • HDMapNet：一个在线高精度地图构建与评估框架

    本文介绍 HD 语义地图学习的问题，提出了一种语义地图学习方法 HDMapNet，通过多传感器数据的融合，可以更好地动态地构建地图语义，并且相比于传统基线方法具有更好的性能。

    Jul, 2021

  • StreamMapNet：面向矢量化在线高清地图构建的流式映射网络

    StreamMapNet 是一种能进行长序列时间建模视频的新型在线地图制作方法，能够在广泛感知范围内构建具有高稳定性的大范围本地高清地图，并解决了现有方法的局限性，其在所有设置下均明显优于现有方法，同时保持 14.2FPS 的在线推理速度。

    Aug, 2023

  • 可扩展地图：在线远程矢量化高清地图构建的可扩展地图学习

    提出了一种新颖的端到端流程，使用车载摄像头传感器实现在线长距离矢量化高清地图构建。通过提取线性结构来改进地图构建的性能，并设计了一种渐进解码机制和基于此表示的监督策略，该方法在 nuScenes 数据集上展现出优越性能，特别是在长距离场景中，超过了以往的最新模型 6.5 mAP，同时达到 18.3 FPS。

    Oct, 2023

  • VectorNet：从矢量化表示编码高清地图和代理动态

    本文介绍了一种新型的层级图神经网络 VectorNet，用于解决在自动驾驶汽车的动态多智能体系统中的行为预测问题，并通过在高精度建模的地图和智能体轨迹上的操作，使得该方法在两个行为预测基准测试中均达到优秀的性能。

    May, 2020

  • PivotNet: 矢量化枢纽学习用于端到端高精度地图构建

    针对高精度地图构建的在线矢量化在自动驾驶研究领域引起了很大关注。我们提出了一种名为 PivotNet 的简单而有效的架构，采用统一的基于枢纽的地图表示，并以直接集合预测范式进行建模。通过引入点到线掩膜模块和动态匹配模块，以及提出动态矢量化序列损失来监督矢量化点预测的位置和拓扑，我们的方法在性能上优于其他 SOTA 方法至少 5.9 mAP。

    Aug, 2023

  • MachMap：端到端基于向量化的紧凑高清地图构建解决方案

    介绍了一种称为 MachMap 的有效架构来构建高清地图，基于 CNN 的骨干结构和 point-detection 范式，经过 Argoverse2 基准测试，MachMap 达到了之前最高的平均精度 83.5。

    Jun, 2023

  • SemVecNet: 任意传感器配置的可推广向量地图生成

    我们提出了一种用于自动驾驶中向量地图生成的模块化流水线，通过采用鲁棒的俯视语义地图，并利用 MapTRv2 解码器将其转换为向量地图，从而显著提高了模型的泛化性能。在未经训练的传感器配置数据集上进行的评估结果表明，我们的模型泛化能力明显优于最先进的方法。

    Apr, 2024

  • 端对端的带分段贝塞尔曲线的矢量高清地图构建

    该研究提出了一种基于参数化方法的高清地图向量化方案，采用了统一分段贝塞尔曲线，通过直接集合预测范式和后处理无关的 BeMapNet 网络架构来实现了向量化。

    Jun, 2023

  • 面向自动驾驶的在线地图矢量化：基于光栅化的视角

    提出了一种基于光栅化评估度量的 MapVR 框架，该框架能够有效地适应各种地图元素，提高地图感知的准确性，从而促进更加安全的自动驾驶。

    Jun, 2023

  • HIMap: 混合表示学习用于端到端向量化高精度地图构建

    我们提出了一个名为 HIMap 的简单而有效的混合框架，可以充分学习和交互点级和元素级信息，生成高清地图。

    Mar, 2024