MapVision：CVPR 2024 自动驾驶大挑战赛无地图驾驶技术报告
计算机视觉与模式识别
2024-06-17 v1
摘要
无高清 (HD) 地图的自动驾驶需要更高水平的主动场景理解能力。在本次竞赛中，组织者提供了多视角相机图像和标准定义 (SD) 地图，以探索场景推理能力的边界。我们发现，大多数现有算法从这些多视角图像中构建鸟瞰图 (BEV) 特征，并使用多任务头来描绘道路中心线、边界线、人行横道和其他区域。然而，这些算法在道路远端表现不佳，并且当图像中的主要目标被遮挡时也难以处理。因此，在本次竞赛中，我们不仅使用多视角图像作为输入，还结合了 SD 地图来解决这个问题。我们采用地图编码器预训练来增强网络的几何编码能力，并利用 YOLOX 提高交通元素检测精度。此外，对于区域检测，我们创新性地引入了 LDTR 和辅助任务以实现更高的精度。最终，我们的 OLUS 得分为 0.58。
引用
@article{arxiv.2406.10125,
title = {MapVision: CVPR 2024 Autonomous Grand Challenge Mapless Driving Tech Report},
author = {Zhongyu Yang and Mai Liu and Jinluo Xie and Yueming Zhang and Chen Shen and Wei Shao and Jichao Jiao and Tengfei Xing and Runbo Hu and Pengfei Xu},
journal= {arXiv preprint arXiv:2406.10125},
year = {2024}
}