TopoStreamer：自动驾驶中车道段拓扑关系的时序推理
计算机视觉与模式识别
2025-11-13 v5 人工智能
摘要
车道段拓扑关系推理通过捕获车道段及其语义类型之间的拓扑关系，构建完整的道路网络，使自动驾驶系统能够执行车道变更等路线依赖动作。然而，现有方法在位置嵌入一致性和时序多属性学习方面存在局限，阻碍了 accurate roadnet 重建。为此，我们提出TopoStreamer，一种用于车道段拓扑关系的端到时序感知模型。具体而言，TopoStreamer引入了三个关键改进：流式属性约束、动态车道边界位置编码以及车道段去噪。流式属性约束在中心线和边界坐标及其分类方面强制执行时序一致性。与此同时，动态车道边界位置编码增强了查询中获取最新位置信息的学习能力，而车道段去噪有助于捕获多样化的车道段模式，从而提升模型性能。此外，我们评估了现有模型在车道边界分类方面的准确性，这是衡量自动驾驶中车道变更场景关键指标。实验表明，在OpenLane-V2数据集上，TopoStreamer相较于当前最先进的方法，在车道段感知任务中实现了+3.0% mAP的显著提升，在中心线感知任务中实现了+1.7% OLS的性能提升。
引用
@article{arxiv.2507.00709,
title = {TopoStreamer: Temporal Lane Segment Topology Reasoning in Autonomous Driving},
author = {Yiming Yang and Yueru Luo and Bingkun He and Hongbin Lin and Suzhong Fu and Chao Zheng and Zhipeng Cao and Erlong Li and Chao Yan and Shuguang Cui and Zhen Li},
journal= {arXiv preprint arXiv:2507.00709},
year = {2025}
}