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

本文提出了一种名为 MV-Map 的离线管道，能够有效地生成高清地图，并优化了离线管道的流程。通过聚合所有航空预测的帧，根据不确定性网络赋权重，实现了多视图一致性的增强。在 nuscenes 数据集上的实验证明了本文方法有效性的同时，也突显出将 HD-Map 生成过程转移至离线计算的重要性。

May, 2023

在线高清地图 (HDMap) 估计通过传感器提供一个低成本的替代手动获取 HDMap 的方法，我们提出通过考虑已有的地图来改进在线 HDMap 估计，并引入 MapEX，一种新颖的在线 HDMap 估计框架，通过将地图元素编码为查询令牌，并改进用于训练经典查询基础地图估计模型的匹配算法，我们在 nuScenes 数据集上证明了 MapEX 能够显著提高性能。

Nov, 2023

本文提出了一种基于车载摄像头图像的道路布局推断模型，同时构建了一个路况数据集，可以将导航地图的元数据与 Google 街景图像匹配以提供标签，并利用深度卷积网络训练该模型，结果表明该方法可用于提升基础设施安全性。

Nov, 2016

这项工作介绍了 MapBench，它是第一个旨在评估高清地图构建方法对各种传感器损坏的鲁棒性的全面基准。我们的基准包括来自相机和 LiDAR 传感器的共 29 种类型的损坏。对 31 种高清地图构建方法进行的广泛评估揭示了在恶劣天气条件和传感器故障下现有方法的显著性能下降，强调了重要的安全问题。我们确定了提高鲁棒性的有效策略，包括利用多模态融合、先进的数据增强和架构技术的创新方法。这些信息为开发更可靠的高清地图构建方法提供了一个路径，这对于自动驾驶技术的进步至关重要。基准工具包以及相关的代码和模型检查点已经公开可访问。

Jun, 2024

本文表明，高清地图提供了强有力的先验知识，可以提高现代三维物体探测器的效能和稳健性。为此，我们设计了一种从高清地图提取几何和语义特征的单级探测器，并提出了一个地图预测模块，可以从原始 LiDAR 数据中实时估计地图。我们在 KITTI 数据集以及包含 100 万帧的大规模三维检测基准测试中进行了广泛的实验，结果表明本文提出的地图感知探测器在有地图和无地图情况下都始终优于现有技术水平。重要的是，整个框架的运行速度达到了每秒 20 帧。

Dec, 2020

本研究提出了一种名为 NMP 的神经网络结构，能够自动更新全局地图并改善局部地图推理性能，实现了全局地图先验的初步学习。实验表明，该框架对各种地图分割和检测架构具有高度兼容性，并且即使在恶劣天气条件和较长的预测时间跨度内，也能显著增强地图预测性能。

Apr, 2023

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

将全球语义信息应用于在线高清地图构建，提高了地图构建准确性，以支持自动驾驶和智能交通等领域的应用。

Jun, 2023

该论文介绍了一种用于卫星和街景图像对的细粒度建筑属性分割的新方法，通过引入鸟瞰图方法解决了传统方法中建筑物立面特征获取的局限性，并通过新的卫星引导的投影模块优化了传统方法中特征分布不均匀的问题。该方法在来自多个城市的四个跨视图数据集上取得了显著的改进，与最先进的基于卫星和跨视图的方法相比，平均 mIOU 提高了 10.13% 和 5.21%。

Apr, 2024