GenMapping：释放逆透视映射潜力以实现鲁棒的在线高精地图构建

在线高精（HD）地图因其灵活的更新能力和较低的维护成本，已成为自动驾驶的首选方案，超越了离线高精地图。然而，当前的在线高精地图模型将视觉传感器的参数嵌入到训练中，导致在应用于具有不同参数的视觉传感器时，泛化性能显著下降。受逆透视映射（IPM）固有潜力的启发，即相机参数与训练过程解耦，我们设计了一个通用的地图生成框架 GenMapping。该框架建立在一个三元协同架构之上，包括一个主分支和两个辅助分支。当面对通过 IPM 转换后带有局部畸变的粗糙道路图像时，主分支在状态空间模型下学习鲁棒的全局特征。两个辅助分支分别是密集透视分支和稀疏先验分支。前者利用静态和动态物体之间的关联信息，而后者引入了 OpenStreetMap（OSM）的先验知识。三重增强融合模块被精心设计以协同整合来自所有三个分支的独特空间特征。为了进一步提高泛化能力，我们利用跨视图地图学习（CVML）方案来实现共同空间内的联合学习。此外，还引入了双向数据增强（BiDA）模块以同时减轻对数据集的依赖。一系列全面的实验结果表明，所提出的模型在语义建图和矢量化建图方面均超越了当前最先进的方法，同时保持了快速的推理速度。源代码将在 https://github.com/lynn-yu/GenMapping 上公开发布。