利用语言和道路手册指导自动驾驶的地图重建

车道拓扑预测是安全可靠自主导航的关键组成部分。对道路环境的准确理解有助于该任务。我们观察到这些信息通常遵循自然语言中编码的惯例，通过反映道路结构的设计代码和捕捉道路功能的道路名称。我们以轻量级方式将这些信息增强到SMERF中——一种基于地图先验的在线车道拓扑预测模型，通过结合来自OSM地图的结构化道路元数据和来自道路设计手册的车道宽度先验与道路中心线编码。我们在两个地理多样性复杂的交叉场景上评估了我们的方法。我们的方法在车道和交通元素检测及其关联方面均表现出改进。我们使用四种拓扑感知指标报告结果，以全面评估模型性能。这些结果证明了我们方法在泛化和扩展至多样拓扑和条件方面的能力。