TopoPoint：通过检测车道终点增强自动驾驶中的拓扑推理
计算机视觉与模式识别
2025-05-26 v1
摘要
拓扑推理将感知和结构化推理统一，对于理解自动驾驶中的交叉点至关重要。然而，其性能严重依赖于车道检测的准确性，尤其是车道终点。现有方法常因车道终点偏差而导致拓扑构建不正确。为此，我们提出TopoPoint，一种显式检测车道终点并联合推理终点和车道以实现稳健拓扑推理的新框架。在训练期间，我们独立初始化点和车道查询，提出Point-Lane Merge Self-Attention以通过将点和车道之间的几何距离作为注意力掩码来增强全局上下文共享。我们进一步设计Point-Lane Graph卷积神经网络以实现点和车道查询之间的相互特征聚合。在推理期间，我们引入Point-Lane Geometry Matching算法，以计算检测到的点和车道之间的距离来细化车道终点，有效缓解终点偏差。大量实验表明，TopoPoint在OpenLane-V2基准测试上实现了拓扑推理的状态-of-the-art性能（48.8 on OLS）。此外，我们提出DET来评估终点检测，在此指标下，我们的方法显著优于现有方法（52.6 v.s. 45.2 on DET$_p）。代码已发布于 https://github.com/Franpin/TopoPoint。
引用
@article{arxiv.2505.17771,
title = {TopoPoint: Enhance Topology Reasoning via Endpoint Detection in Autonomous Driving},
author = {Yanping Fu and Xinyuan Liu and Tianyu Li and Yike Ma and Yucheng Zhang and Feng Dai},
journal= {arXiv preprint arXiv:2505.17771},
year = {2025}
}