本文經(jīng)自動駕駛之心公眾號授權轉載，轉載請聯(lián)系出處。

• 論文鏈接：https://arxiv.org/pdf/2401.13172.pdf
• 代碼鏈接：https://github.com/hht1996ok/ADMap

摘要

本文介紹了ADMap：用于重建在線矢量化高精地圖的抗干擾框架。在自動駕駛領域中，在線高精（HD）地圖重建對于規(guī)劃任務是至關重要的。最近的研究已經(jīng)開發(fā)了若干種高性能的高精地圖重建模型來滿足這一需求。然而，由于存在預測偏差，實例向量內(nèi)的點序列可能存在抖動或者鋸齒狀，這會影響后續(xù)任務。因此，本文提出了抗干擾地圖重建框架（ADMap）。為了緩解point-order抖動，該框架由三個模塊組成：多尺度感知neck（MPN）、實例交互注意力（IIA）和矢量方向差損失（VDDL）。通過以級聯(lián)方式探索實例之間和實例內(nèi)部的point-order關系，該模型可以更有效地監(jiān)測point-order預測過程。ADMap在nuScenes和Argoverse2數(shù)據(jù)集上實現(xiàn)了最先進的性能。大量結果表明，它能夠在復雜且多變的駕駛場景中生成穩(wěn)定且可靠的地圖元素。

主要貢獻

本文的貢獻如下：

1）本文提出了端到端ADMap，它可以重建更穩(wěn)定的矢量化高精地圖；

2）MPN在不增加計算資源的情況下更精確地捕獲多尺度信息，IIA實現(xiàn)了實例之間和實例內(nèi)部信息之間的有效交互，以緩解實例點位置偏移的問題。VDDL對矢量方向差進行建模，并且使用拓撲信息來監(jiān)督point-order位置的重建過程；

3）ADMap能夠實時重建矢量化高精地圖，并且在nuScenes和Argoverse2基準測試中實現(xiàn)了最佳性能。

論文圖片和表格

總結

ADMap是一種有效且高效的矢量化高精地圖重建框架，其通過多尺度感知Neck、實例交互注意力和矢量方向差損失這三個模塊，有效地緩解了由實例點抖動造成的地圖拓撲失真問題。大量實驗表明，本文所提出的方法能夠在nuScenes和Argoverse2基準上獲得最佳性能，其高效性也得以驗證。我們相信，ADMap可以幫助社區(qū)推動有關矢量化高精地圖重建任務的研究，以更好地發(fā)展自動駕駛等領域。

原文鏈接：https://mp.weixin.qq.com/s/O0BoiJZwIQmeeChUZkMMng