VectorMapNet：端到端矢量化高清地图学习
计算机视觉与模式识别
2023-06-27 v6 机器人学
摘要
自动驾驶系统需要高清 (HD) 语义地图来在城市道路上导航。现有解决方案通过离线人工标注来解决语义地图构建问题，这存在严重的可扩展性问题。最近基于学习的方法产生密集的栅格化分割预测来构建地图。然而，这些预测不包含单个地图元素的实例信息，并且需要启发式后处理才能获得矢量化地图。为了应对这些挑战，我们引入了一个端到端的矢量化 HD 地图学习流程，称为 VectorMapNet。VectorMapNet 接收车载传感器观测数据，并在鸟瞰图中预测一组稀疏的折线。该流程可以显式地建模地图元素之间的空间关系，并生成对下游自动驾驶任务友好的矢量化地图。大量实验表明，VectorMapNet 在 nuScenes 和 Argoverse2 数据集上均取得了强大的地图学习性能，分别以 14.2 mAP 和 14.6 mAP 超越了先前最先进的方法。定性来看，VectorMapNet 能够生成全面的地图并捕捉道路几何的细粒度细节。据我们所知，VectorMapNet 是首个旨在从车载观测数据进行端到端矢量化地图学习的工作。我们的项目网站位于 \url{https://tsinghua-mars-lab.github.io/vectormapnet/}。
引用
@article{arxiv.2206.08920,
title = {VectorMapNet: End-to-end Vectorized HD Map Learning},
author = {Yicheng Liu and Tianyuan Yuan and Yue Wang and Yilun Wang and Hang Zhao},
journal= {arXiv preprint arXiv:2206.08920},
year = {2023}
}
备注
Accepted by ICML 2023