HeightMapNet：用于端到端高清地图学习的显式高度建模
计算机视觉与模式识别
2024-11-05 v1 人工智能
摘要
近期高清（HD）地图从围绕视角图像构建方面的进展突显了其在部署中的成本效益。然而，现有技术在准确提取和利用道路特征以及实现视图转换方面往往不足。为此，我们引入HeightMapNet，一种新型框架，建立图像特征与道路表面高度分布之间的动态关系。通过整合高度先验，我们的方法超越传统方法，对鸟瞰视角（BEV）特征的准确性进行了细致的提升。HeightMapNet还引入了前景-背景分离网络，能够清晰区分关键道路元素与杂乱背景组件，使模型能够精准聚焦于道路细微特征。此外，我们的方法在BEV空间内利用多尺度特征，充分利用空间几何信息以提升模型性能。HeightMapNet在具有挑战性的nuScenes和Argoverse 2数据集上表现卓越，优于多个广受认可的先进方法。代码将在\url{https://github.com/adasfag/HeightMapNet/}公开。
引用
@article{arxiv.2411.01408,
title = {HeightMapNet: Explicit Height Modeling for End-to-End HD Map Learning},
author = {Wenzhao Qiu and Shanmin Pang and Hao zhang and Jianwu Fang and Jianru Xue},
journal= {arXiv preprint arXiv:2411.01408},
year = {2024}
}
备注
This paper has been accepted to WACV 2025