基于标准定义地图的在线统一道路拓扑估计与推理

大多数自动驾驶汽车依赖高定义(HD)地图的 availability。当前研究旨在直接从 onboard 传感器预测 HD 地图元素，并推理所预测地图与交通元素的关系。尽管近期取得了进展，但 HD 地图的连贯在线构建仍是一个具有挑战性的难题，因为它需要统一且一致地建模道路拓扑的高复杂度。为此，我们提出一种统一的方法，通过预测车道段及其对应的拓扑结构，以及道路边界，全部利用由常用标准定义(SD)地图表示的先验信息。我们提出一种网络架构，利用混合车道段编码（包括先验信息和去噪技术）来增强训练稳定性和性能。此外，我们利用过去的帧实现时间一致性。我们的实验评估表明，我们的方法在显著优于以前的方法，突出显示了我们建模方案的优势。