SIO-Mapper：基于卫星图像和 OpenStreetMap 构建无现场访问的车道级 HD 图

高精度（HD）图，特别是包含车道级信息的图，被视为车辆定位研究的基准。传统上，构建 HD 图需要从目标区域收集高度精确的传感器测量数据，然后进行手动标注以分配语义信息。因此，HD 图在地理覆盖范围上受到限制。为解决这一问题，本文提出了 SIO-Mapper，一种一种 novel 车道级 HD 图构建框架，可无需现场访问即可利用卫星图像和 OpenStreetMap 数据构建城市规模的地图。SIO-Mapper 的一个关键贡献是通过引入 SIO-Net，一种集成卫星图像和 OpenStreetMap 特征的 novel 深度学习网络，利用基于 Transformer 和基于卷积的编码器，实现对车道信息的更精确提取。此外，为解决在大范围区域合并车道的挑战，我们引入一种 novel 车道集成方法，将基于聚类的和基于图的方法相结合。该算法确保即使在复杂道路环境中，车道片段也能以高精度和高覆盖率实现无缝聚合。我们在 Naver Labs Open Dataset 和 NuScenes 数据集上对 SIO-Mapper 进行了验证，结果表明在包括韩国、美国和新加坡在内的多个环境中，相较于现有的车道级 HD 图构建方法，SIO-Mapper 在各种环境下的性能均表现更佳。