面向长程高精度向量化 HD 地图构建的 SuperMapNet

向量化 HD map 是自动驾驶的关键。近年来取得了显著进展，但仍存在主要问题：（1）在 BEV 特征生成中，单模态方法感知能力有限，而直接拼接的多模态方法无法捕捉不同模态之间的协同作用和差异，导致特征范围有限且存在特征洞；（2）在地图元素分类和定位中，仅使用点信息而不考虑元素信息，并忽略点信息与元素信息之间的相互作用，导致形状错误和元素互相缠绕，精度低。为解决上述问题，我们提出了 SuperMapNet 用于长程和高精度向量化 HD map 构建。它使用相机图像和 LiDAR 点云作为输入，首先通过基于交叉注意力的协同增强模块和基于流的差异对齐模块，将相机图像上的语义信息与 LiDAR 点云上的几何信息紧密耦合，以实现长程 BEV 特征生成。随后，通过三层交互紧密耦合来自点查询的局部特征和来自元素查询的全局特征，以实现高精度分类和定位，其中 Point2Point 交互学习同一元素内不同点之间以及每个点之间的局部几何信息，Element2Element 交互学习不同元素之间的关系约束和每个元素的语义信息，Point2Element 交互学习其构成点的补充元素信息。在 nuScenes 和 Argoverse2 数据集上的实验表明性能卓越，在硬/易设置下分别超过 SOTA 14.9/8.8 mAP 和 18.5/3.1 mAP。代码已公开 disponible1。