MapTR：面向在线矢量化高精地图构建的结构化建模与学习
计算机视觉与模式识别
2023-01-31 v2 机器人学
摘要
高精（HD）地图提供驾驶场景丰富而精确的环境信息，是自动驾驶系统中规划的基础且不可或缺的组件。我们提出 MapTR，一种用于高效在线矢量化高精地图构建的结构化端到端 Transformer。我们提出统一的置换等价建模方法，即将地图元素建模为具有一组等价置换的点集，从而准确描述地图元素的形状并稳定学习过程。我们设计了一种分层查询嵌入方案，以灵活编码结构化地图信息，并执行分层二分匹配用于地图元素学习。在 nuScenes 数据集上，仅以相机输入，MapTR 在现有矢量化地图构建方法中取得了最佳性能与效率。特别地，MapTR-nano 在 RTX 3090 上以实时推理速度（ FPS）运行，比现有最先进的基于相机的方法快 ，同时 mAP 高出 。即便与现有最先进的多模态方法相比，MapTR-nano 的 mAP 高出 ，而 MapTR-tiny 的 mAP 高出 且推理速度快 。大量定性结果表明，MapTR 在复杂多样的驾驶场景中保持稳定鲁棒的地图构建质量。MapTR 在自动驾驶中具有重大应用价值。代码与更多演示见 \url{https://github.com/hustvl/MapTR}。
引用
@article{arxiv.2208.14437,
title = {MapTR: Structured Modeling and Learning for Online Vectorized HD Map Construction},
author = {Bencheng Liao and Shaoyu Chen and Xinggang Wang and Tianheng Cheng and Qian Zhang and Wenyu Liu and Chang Huang},
journal= {arXiv preprint arXiv:2208.14437},
year = {2023}
}
备注
Accepted to ICLR 2023 as Spotlight Presentation. Code&demos: https://github.com/hustvl/MapTR