本文經(jīng)自動(dòng)駕駛之心公眾號(hào)授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請(qǐng)聯(lián)系出處。

• 論文鏈接：https://arxiv.org/pdf/2401.13172.pdf
• 代碼鏈接：https://github.com/hht1996ok/ADMap

摘要

本文介紹了ADMap：用于重建在線矢量化高精地圖的抗干擾框架。在自動(dòng)駕駛領(lǐng)域中，在線高精（HD）地圖重建對(duì)于規(guī)劃任務(wù)是至關(guān)重要的。最近的研究已經(jīng)開(kāi)發(fā)了若干種高性能的高精地圖重建模型來(lái)滿足這一需求。然而，由于存在預(yù)測(cè)偏差，實(shí)例向量?jī)?nèi)的點(diǎn)序列可能存在抖動(dòng)或者鋸齒狀，這會(huì)影響后續(xù)任務(wù)。因此，本文提出了抗干擾地圖重建框架（ADMap）。為了緩解point-order抖動(dòng)，該框架由三個(gè)模塊組成：多尺度感知neck（MPN）、實(shí)例交互注意力（IIA）和矢量方向差損失（VDDL）。通過(guò)以級(jí)聯(lián)方式探索實(shí)例之間和實(shí)例內(nèi)部的point-order關(guān)系，該模型可以更有效地監(jiān)測(cè)point-order預(yù)測(cè)過(guò)程。ADMap在nuScenes和Argoverse2數(shù)據(jù)集上實(shí)現(xiàn)了最先進(jìn)的性能。大量結(jié)果表明，它能夠在復(fù)雜且多變的駕駛場(chǎng)景中生成穩(wěn)定且可靠的地圖元素。

主要貢獻(xiàn)

本文的貢獻(xiàn)如下：

1）本文提出了端到端ADMap，它可以重建更穩(wěn)定的矢量化高精地圖；

2）MPN在不增加計(jì)算資源的情況下更精確地捕獲多尺度信息，IIA實(shí)現(xiàn)了實(shí)例之間和實(shí)例內(nèi)部信息之間的有效交互，以緩解實(shí)例點(diǎn)位置偏移的問(wèn)題。VDDL對(duì)矢量方向差進(jìn)行建模，并且使用拓?fù)湫畔?lái)監(jiān)督point-order位置的重建過(guò)程；

3）ADMap能夠?qū)崟r(shí)重建矢量化高精地圖，并且在nuScenes和Argoverse2基準(zhǔn)測(cè)試中實(shí)現(xiàn)了最佳性能。

論文圖片和表格

總結(jié)

ADMap是一種有效且高效的矢量化高精地圖重建框架，其通過(guò)多尺度感知Neck、實(shí)例交互注意力和矢量方向差損失這三個(gè)模塊，有效地緩解了由實(shí)例點(diǎn)抖動(dòng)造成的地圖拓?fù)涫д鎲?wèn)題。大量實(shí)驗(yàn)表明，本文所提出的方法能夠在nuScenes和Argoverse2基準(zhǔn)上獲得最佳性能，其高效性也得以驗(yàn)證。我們相信，ADMap可以幫助社區(qū)推動(dòng)有關(guān)矢量化高精地圖重建任務(wù)的研究，以更好地發(fā)展自動(dòng)駕駛等領(lǐng)域。

原文鏈接：https://mp.weixin.qq.com/s/O0BoiJZwIQmeeChUZkMMng