基于众所云端车辆的城市规模矢量地图端到端生成
机器人学
2025-07-15 v1
摘要
高精度矢量地图是自动驾驶不可或缺的资源，但传统基于 LiDAR 的制作方式成本高昂且效率低下，单车辆感知方法在准确性和鲁棒性上也存在不足，尤其在恶劣环境下更为明显。本文引入 EGC-VMAP，一种通过众所云端车辆数据聚合生成准确城市规模矢量地图的端到端框架，克服了上述局限。不同于先前方法，EGC-VMAP 在统一的学习过程中直接融合来自多车辆、多时相地图元素的感知数据，采用新颖的 Trip-Aware Transformer 架构。结合层次匹配实现高效训练和多目标损失，显著提升了地图的准确性和结构鲁棒性。我们在大规模多城市真实数据集上验证了该方法，展示了其卓越性能，实现了面向城市范围的可扩展、成本效益高的地图生成方案，手动标注成本降低 90%。
引用
@article{arxiv.2507.08901,
title = {End-to-End Generation of City-Scale Vectorized Maps by Crowdsourced Vehicles},
author = {Zebang Feng and Miao Fan and Bao Liu and Shengtong Xu and Haoyi Xiong},
journal= {arXiv preprint arXiv:2507.08901},
year = {2025}
}
备注
Accepted by ITSC'25