CSMapping: 可扩展众包语义映射与自动驾驶拓扑推断
计算机视觉与模式识别
2025-12-04 v1 机器人学
摘要
众包使可扩展的自动驾驶地图构建成为可能，但低成本传感器噪声阻碍了数据量增加时质量的提升。我们提出 CSMapping，一个能够生成精确语义地图和拓扑道路中心线的系统，其质量随更多众包数据而持续提升。对于语义映射，我们在高精地图（可选地以 SD 地图为条件）上训练一个潜在扩散模型，以学习真实世界地图结构的生成先验，而无需配对的众包/高精地图监督。该先验通过潜在空间中的约束最大后验概率优化引入，确保对严重噪声的鲁棒性以及未观测区域的合理补全。初始化使用一个鲁棒的矢量化映射模块，随后进行扩散反演；优化采用高效的高斯基重参数化、投影梯度下降多起点策略，以及用于全局一致性的潜在空间因子图。对于拓扑映射，我们对轨迹应用置信度加权 k-medoids 聚类和运动学精化，生成平滑、类人的中心线，对轨迹变化具有鲁棒性。在 nuScenes、Argoverse 2 和一个大型专有数据集上的实验实现了最先进的语义和拓扑映射性能，并进行了充分的消融实验和可扩展性研究。
引用
@article{arxiv.2512.03510,
title = {CSMapping: Scalable Crowdsourced Semantic Mapping and Topology Inference for Autonomous Driving},
author = {Zhijian Qiao and Zehuan Yu and Tong Li and Chih-Chung Chou and Wenchao Ding and Shaojie Shen},
journal= {arXiv preprint arXiv:2512.03510},
year = {2025}
}