定位误差对在线 HD 地图构建中标签质量的影响

高精度（HD）地图对自动驾驶车辆至关重要，但其创建和维护成本极高。这就催生了在线 HD 地图构建的理念。为了提供持续大规模的训练数据，可以使用现有的 HD 地图作为消费者车队 onboard 传感器数据的标签。然而，与当前良好策划的 HD 地图感知数据集相比，这些车队数据受到定位误差的影响，导致地图标签失真。我们引入坡度、高斯和 Perlin 噪声三种定位误差类型，考察其对生成地图标签的影响。我们在 Argoverse 2 数据集上训练了 MapTRv2 的变体——这一模型是最先进的在线 HD 地图构建模型，并测试了不同水平定位误差下的模型性能。由于定位误差对远距离标签的影响更为严重，但也对驾驶性能影响较小，我们引入基于距离的地图构建度量标准。我们的实验表明，定位噪声显著影响模型性能。我们展示了姿态角误差的影响大于位置误差，原因在于角度误差随车辆距离增加导致标签更大程度的失真。此外，我们证明了模型从非失真真实数据（GT）中受益，随着噪声数据的增加，性能下降得比线性更多。我们研究还对定位误差对 HD 地图构建影响的程度进行了定性评估。