SEPT：标准定义地图增强的场景感知与拓扑推理用于自动驾驶
机器人学
2025-06-27 v1 计算机视觉与模式识别
摘要
在线场景感知和拓扑推理对于自动驾驶车辆理解其行驶环境至关重要，特别是对于旨在减少对昂贵高清 (HD) 地图依赖的无图驾驶系统。然是，近期在线场景理解技术仍面临局限，尤其是在长程或遮挡场景中，由于板载传感器的固有限制。为解决此挑战，我们提出一种标准定义 (SD) 地图增强场景感知与拓扑推理 (SEPT) 框架，探索如何有效地将 SD 地图作为先验知识融入现有感知和推理管道。具体而言，我们引入一种新型混合特征融合策略，将 SD 地图与鸟瞰视角 (BEV) 特征结合，考虑栅格化和矢量化表示，同时缓解 SD 地图与 BEV 特征空间之间的潜在错位。此外，我们利用 SD 地图特征设计一种辅助的以交叉口为导向的关键点检测任务，从而进一步提升整体场景理解性能。在大规模 OpenLane-V2 数据集上的实验结果表明，通过有效整合 SD 地图先验，our 框架显著提升了场景感知和拓扑推理，超越现有方法具有显著优势。
引用
@article{arxiv.2505.12246,
title = {SEPT: Standard-Definition Map Enhanced Scene Perception and Topology Reasoning for Autonomous Driving},
author = {Muleilan Pei and Jiayao Shan and Peiliang Li and Jieqi Shi and Jing Huo and Yang Gao and Shaojie Shen},
journal= {arXiv preprint arXiv:2505.12246},
year = {2025}
}
备注
Accepted by IEEE Robotics and Automation Letters