基于 HSV 转换的众包车队数据的基于注意力的光栅化拓扑编码：ARETE 用于道路拓扑估计
计算机视觉与模式识别
2026-04-28 v1 人工智能
机器学习
机器人学
摘要
自动驾驶（AD）的持续进步在多个学科上都带来了挑战，以确保安全且高效的驾驶。其中一个挑战是生成高定义（HD）地图，这些地图必须保持最新且高度准确，以满足下游汽车任务。一个有前景的做法是使用来自车队的众包数据，代表道路拓扑和车道级特征。本工作聚焦于从众包车辆轨迹生成中心线和车道分隔线。我们采用基于 Detection Transformer（DETR）的方法，其中将车辆轨迹的光栅化表示作为输入，用于预测向量化的车道表示。每条车道由一个包含关联方向的中心线组成，其对应的车道分隔线受该中心线的几何约束。我们的方法包括提取局部图块，从中聚合众包车辆轨迹。每个图块经历转换为光栅化表示，编码每条轨迹的存在与方向，从而实现对向量化有向车道的预测。我们在内部数据集以及公共数据集 nuScenes 和 nuPlan 上进行了实验。
引用
@article{arxiv.2604.24353,
title = {ARETE: Attention-based Rasterized Encoding for Topology Estimation using HSV-transformed Crowdsourced Vehicle Fleet Data},
author = {Daniel Fritz and Dimitrios Lagamtzis and Michael Mink and Markus Enzweiler and Steffen Schober},
journal= {arXiv preprint arXiv:2604.24353},
year = {2026}
}