NeMO：用于鸟瞰图时空融合与BDD-Map基准的神经地图生长系统
计算机视觉与模式识别
2023-06-08 v1
摘要
以视觉为中心的鸟瞰图（BEV）表示对自动驾驶系统（ADS）至关重要。利用历史信息的多帧时间融合已被证明可提供更全面的感知结果。尽管多数研究聚焦于固定设置的以自车为中心的地图，长程局部地图生成仍较少被探索。本工作提出一种名为 NeMO 的新范式，通过可读写的大地图、基于学习的融合模块以及二者间的交互机制来生成局部地图。在假设所有 BEV 网格的特征分布遵循同一模式的条件下，我们对所有网格采用共享权重的神经网络来更新大地图。该范式支持更长时间序列的融合以及长程 BEV 局部地图的生成。此外，我们发布了 BDD-Map，一个基于 BDD100K 的数据集，包含地图元素标注，如车道线、边界与人行横道。在 NuScenes 与 BDD-Map 数据集上的实验表明，NeMO 优于最先进的地图分割方法。我们还提供了一种新的场景级 BEV 地图评估设定及相应基线，以进行更全面的比较。
引用
@article{arxiv.2306.04540,
title = {NeMO: Neural Map Growing System for Spatiotemporal Fusion in Bird's-Eye-View and BDD-Map Benchmark},
author = {Xi Zhu and Xiya Cao and Zhiwei Dong and Caifa Zhou and Qiangbo Liu and Wei Li and Yongliang Wang},
journal= {arXiv preprint arXiv:2306.04540},
year = {2023}
}