通过直接BEV特征注意力加速在线地图制作与行为预测
机器人学
2024-07-10 v1 计算机视觉与模式识别
机器学习
摘要
理解路面几何是自动驾驶车辆(AV)堆栈中的关键组件。虽然高清(HD)地图可以轻易提供此类信息，但因标注和维护成本高而受到限制。因此，最近许多工作提出了从传感器数据在线估计HD地图的方法。大多数近期方法将多摄像头观察编码为中间表示，例如鸟瞰视角(BEV)网格，并通过解码器产生向量地图元素。虽然这种体系结构性能良好，但它会削减中间表示中编码的大量信息，阻止下游任务（例如行为预测）充分利用这些信息。本文提出了暴露在线地图估计算法内部丰富特征的方式，并展示了它们如何使在线地图制作与轨迹预测更紧密地集成。在此过程中，我们发现直接访问内部BEV特征可实现推理速度提升最高可达73%，在真实世界的nuScenes数据集上预测精度提升最高可达29%。
引用
@article{arxiv.2407.06683,
title = {Accelerating Online Mapping and Behavior Prediction via Direct BEV Feature Attention},
author = {Xunjiang Gu and Guanyu Song and Igor Gilitschenski and Marco Pavone and Boris Ivanovic},
journal= {arXiv preprint arXiv:2407.06683},
year = {2024}
}
备注
21 pages, 10 figures, 6 tables. ECCV 2024