利用增强的点集查询进行矢量化地图构建
计算机视觉与模式识别
2024-07-24 v2
摘要
在自动驾驶中，高精（HD）地图在定位和规划中起着至关重要的作用。最近，几种方法在类 DETR 框架中促进了端到端的在线地图构建。然而，很少有人关注探索地图元素查询机制的潜在能力。本文介绍了 MapQR，一种端到端方法，重点在于增强用于构建在线矢量化地图的查询能力。为了高效地探测所需信息，MapQR 利用了一种名为“分散 - 聚集查询”（scatter-and-gather query）的新型查询设计，该设计显式地建模为独立的内容部分和位置部分。基础地图实例查询被分散到不同的参考点，并加上位置嵌入以从 BEV 特征中探测信息。然后，这些分散的查询被重新聚集，以增强每个地图实例内的信息。结合对 BEV 编码器的简单有效改进，所提出的 MapQR 在 nuScenes 和 Argoverse 2 数据集上均实现了最佳的平均精度均值（mAP），并保持了良好的效率。此外，将我们的查询设计集成到其他模型中可以显著提升其性能。源代码可在 https://github.com/HXMap/MapQR 获取。
引用
@article{arxiv.2402.17430,
title = {Leveraging Enhanced Queries of Point Sets for Vectorized Map Construction},
author = {Zihao Liu and Xiaoyu Zhang and Guangwei Liu and Ji Zhao and Ningyi Xu},
journal= {arXiv preprint arXiv:2402.17430},
year = {2024}
}
备注
Accepted to European Conference on Computer Vision (ECCV), 2024.Code can be found at https://github.com/HXMap/MapQR