揭示隐藏信息：基于片段级 Token 交互与传播的在线矢量化高精地图构建

预测和构建道路几何信息（例如车道线、道路标记）是安全自动驾驶的关键任务，而这些静态地图元素可能会被道路上的各种动态物体反复遮挡。最近的研究显示出矢量化高精地图构建性能的显著提升，但对相邻输入帧（即片段）间时序信息的利用尚不充分，这可能导致预测结果不一致且次优。为解决此问题，我们引入了一种片段级矢量化高精地图构建的新范式 MapUnveiler，它通过将密集图像表示与高效的片段 token 相关联，显式地揭示片段输入中被遮挡的地图元素。此外，MapUnveiler 通过片段 token 传播关联片段间的信息，有效利用了长期时序地图信息。MapUnveiler 借助所提出的片段级流水线高效运行，通过时间步长避免冗余计算，同时构建全局地图关系。我们的大量实验表明，MapUnveiler 在 nuScenes 和 Argoverse2 基准数据集上均实现了 SOTA 性能。我们还展示了在极具挑战性的场景下，MapUnveiler 显著优于 SOTA 方法，在严重遮挡的驾驶道路场景中实现了 +10.7% 的 mAP 提升。项目页面可在 https://mapunveiler.github.io 找到。