ADMap:用于重建在线矢量化高精地图的抗扰动框架
计算机视觉与模式识别
2024-03-01 v2
摘要
在自动驾驶领域,在线高精(HD)地图重建对规划任务至关重要。近期研究开发了若干高性能的HD地图重建模型以满足这一需求。然而,由于预测偏差,实例矢量内的点序列可能出现抖动或锯齿,这可能会影响后续任务。因此,本文提出了抗扰动地图重建框架(Anti-disturbance Map reconstruction framework, ADMap)。为缓解点序抖动,该框架由三个模块组成:多尺度感知颈部(Multi-Scale Perception Neck)、实例交互注意力(Instance Interactive Attention, IIA)和矢量方向差异损失(Vector Direction Difference Loss, VDDL)。通过以级联方式探索实例间和实例内的点序关系,模型能够更有效地监控点序预测过程。ADMap在nuScenes和Argoverse2数据集上取得了SOTA性能。大量结果表明,该模型能够在复杂多变的驾驶场景中生成稳定可靠的地图元素。代码和更多演示可在 https://github.com/hht1996ok/ADMap 获取。
引用
@article{arxiv.2401.13172,
title = {ADMap: Anti-disturbance framework for reconstructing online vectorized HD map},
author = {Haotian Hu and Fanyi Wang and Yaonong Wang and Laifeng Hu and Jingwei Xu and Zhiwang Zhang},
journal= {arXiv preprint arXiv:2401.13172},
year = {2024}
}