利用视角线索改进矢量化 HD 地图的层次表示
计算机视觉与模式识别
2025-10-14 v2
摘要
从 onboard 周边视角相机构建矢量化高清 (HD) 地图已成为自动驾驶领域的重要焦点。然而，当前的地图向量估计管道面临两个关键局限性：输入agnostic 查询难以捕获复杂的地图结构，视角变换导致信息丢失。这常常导致图形恢复不准确或在地图预测中遗漏实例。为解决此问题，我们提出了一种新方法，即 PerCMap，通过在实例和点层面显式利用视角视图特征线索。具体而言，在实例层面，我们提出了 Cross-view Instance Activation (CIA)，以在周边视角图像之间激活实例查询，从而帮助模型恢复地图向量的实例属性。在点层面，我们设计了 Dual-view Point Embedding (DPE)，将两种视图的特征融合，以生成输入感知的位置嵌入，并提高点坐标估计的准确性。在 \textit{nuScenes} 和 \textit{Argoverse 2} 上的大量实验表明，PerCMap 在基准数据集上表现出色，分别达到了 67.1 和 70.5 mAP。
引用
@article{arxiv.2404.11155,
title = {Improving Hierarchical Representations of Vectorized HD Maps with Perspective Clues},
author = {Chi Zhang and Qi Song and Feifei Li and Jie Li and Rui Huang},
journal= {arXiv preprint arXiv:2404.11155},
year = {2025}
}