在线导航细化：通过关联标准定义地图和在线感知地图实现车道级引导
计算机视觉与模式识别
2026-02-02 v5
摘要
车道级导航对地理信息系统和基于导航的任务至关重要，提供的细粒度指导优于基于公路级别的标准定义（SD）地图。然而，当前依赖扩充的全局高清地图，这些地图无法适应动态道路条件。最近，线上感知（OP）地图成为研究热点，提供实时几何信息，但缺乏用于导航的全局�拓。为此，提出一种新的任务——在线导航细化（ONR），通过关联 SD 地图和 OP 地图，将基于 SD 地图的公路级别路线细化为准确的车道级导航。地图到地图的关联用于处理在两个关键挑战下的许多对一车道到公路映射：（1）没有公开数据集提供车道到公路的对应关系；（2）由于空间波动、语义差异和 OP 地图噪声导致严重错位，使传统地图匹配方法失效。为此，我们做出了贡献：（1）在线地图关联数据集（OMA），首个 ONR 基准，包含 30K 场景和 260 万标注车道向量；（2）MAT，一种具有路径感知注意力以在空间波动和语义差异中对齐拓扑结构，并利用全局上下文整合噪声 OP 特征的 Transformer；以及（3）NR P-R，评估几何和语义对齐的指标。实验表明，MAT 在 34 毫秒延迟下超过现有方法，实现低成本和及时更新的车道级导航。
引用
@article{arxiv.2507.07487,
title = {Online Navigation Refinement: Achieving Lane-Level Guidance by Associating Standard-Definition and Online Perception Maps},
author = {Jiaxu Wan and Xu Wang and Mengwei Xie and Xinyuan Chang and Xinran Liu and Zheng Pan and Mu Xu and Hong Zhang and Ding Yuan and Yifan Yang},
journal= {arXiv preprint arXiv:2507.07487},
year = {2026}
}
备注
Author Affiliation Standardization