SATMapTR：卫星图像增强的在线高精地图构建

高精地图正从预标注向实时构建演进，以更好地支持多样化场景下的自动驾驶。然而，该过程受到车载传感器能力有限和频繁遮挡所导致的低质量输入数据的阻碍，造成数据不完整、噪声或缺失，从而降低地图构建的精度与鲁棒性。近期研究引入卫星图像作为辅助输入，提供稳定、广域视角以补充有限的自我视角。然而，鸟瞰图（BEV）中的卫星图像常因阴影以及植被和建筑物的遮挡而退化。先前的基本特征提取与融合方法仍然无效。为应对这些挑战，我们提出 SATMapTR，一个通过两个关键组件有效融合卫星图像的在线地图构建模型：（1）门控特征精炼模块，通过整合高层语义与底层结构线索来自适应地过滤卫星图像特征，提取高信噪比的地图相关表示；（2）几何感知融合模块，在网格到网格层面一致地融合卫星与 BEV 特征，最小化无关区域和低质量输入的干扰。在 nuScenes 数据集上的实验结果表明，SATMapTR 实现了 73.8 的最高平均精度均值（mAP），比最先进的卫星增强模型高出最多 14.2 mAP。在恶劣天气和传感器故障下也表现出更低的 mAP 退化，并在扩展感知距离上实现了近 3 倍的 mAP。