利用历史栅格化地图增强矢量化地图感知

在自动驾驶中，人们对鸟瞰视角（BEV）空间下的端到端在线矢量化地图感知越来越感兴趣，期望它能取代传统的高成本离线高精（HD）地图。然而，在仅依赖车载传感器时，这些方法的准确性和鲁棒性在具有挑战性的条件下（如遮挡或恶劣天气）很容易受到影响。在本文中，我们提出了HRMapNet，利用低成本的历史栅格化地图来增强在线矢量化地图感知。历史栅格化地图可以很容易地从过去预测的矢量化结果构建，并提供有价值的补充信息。为了充分利用历史地图，我们提出了两个新颖的模块来增强BEV特征和地图元素查询。对于BEV特征，我们采用了一个特征聚合模块来编码来自车载图像和历史地图的特征。对于地图元素查询，我们设计了一个查询初始化模块，赋予查询来自历史地图的先验信息。这两个模块有助于在在线感知中利用地图信息。我们的HRMapNet可以与大多数在线矢量化地图感知方法集成。我们将其集成到两种最先进的方法中，显著提升了它们在nuScenes和Argoverse 2数据集上的性能。源代码已发布于 https://github.com/HXMap/HRMapNet。