保持连续性的在线中心线图学习

车道拓扑学通常由中心线图建模，对高级自动驾驶至关重要。对于高质量的图，拓扑连通性和中心线段的空间连续性都至关重要。然而，大多数现有方法更关注连通性而忽略连续性。这类中心线图通常会导致自动驾驶规划问题。为克服此问题，我们提出一种端到端网络CGNet，包含三个关键模块：1）具有注意力查询的交叉点感知模块，提供位置先验以准确预测交叉点位置；2）Bezier空间连接模块，对任意拓扑连接的两个中心线段在Bezier空间上施加连续性约束；3）迭代拓扑细化模块，是一个具有记忆功能的图神经网络，用于迭代细化预测的拓扑连通性。CGNet在nuScenes和Argoverse2数据集上实现了最好的性能。