PriorDrive：利用统一向量先验增强在线高精地图

高精地图（HD maps）对于自动驾驶车辆的精确导航和决策至关重要，然而其创建和维护带来了显著的成本和时效性挑战。使用车载传感器在线构建高精地图已成为一种有前途的解决方案；然而，由于遮挡和恶劣天气导致的数据不完整可能会阻碍这些方法，同时它们在遥远区域的性能仍不令人满意。本文提出 PriorDrive 以解决这些局限性，通过直接利用各种矢量化先验地图的力量，显著增强在线高精地图构建的鲁棒性和准确性。我们的方法统一整合了各种先验地图，例如 OpenStreetMap 的标准精度地图（SD maps）、供应商提供的过时高精地图，以及基于历史车辆数据局部构建的地图。为了将此类先验信息有效整合到在线建图模型中，我们引入了混合先验表示（HPQuery），以标准化各种地图元素的表示。我们进一步提出了统一向量编码器（UVE），它采用融合先验嵌入和双重编码机制来编码向量数据。为了提高 UVE 的泛化能力和性能，我们提出了一种线段级和点级的预训练策略，使 UVE 能够学习向量数据的先验分布。通过在 nuScenes、Argoverse 2 和 OpenLane-V2 上的广泛测试，我们证明 PriorDrive 与各种在线建图模型高度兼容，并大幅提升了地图预测能力。通过 PriorDrive 整合先验地图，为单感知数据的挑战提供了鲁棒的解决方案，为更可靠的自动驾驶车辆导航铺平了道路。代码可在 https://github.com/MIV-XJTU/PriorDrive 获取。