ADMap：用于重建在线矢量化高精地图的抗干扰框架

本文经自动驾驶之心公众号授权转载，转载请联系出处。

• 论文链接：https://arxiv.org/pdf/2401.13172.pdf
• 代码链接：https://github.com/hht1996ok/ADMap

摘要

本文介绍了ADMap：用于重建在线矢量化高精地图的抗干扰框架。在自动驾驶领域中，在线高精（HD）地图重建对于规划任务是至关重要的。最近的研究已经开发了若干种高性能的高精地图重建模型来满足这一需求。然而，由于存在预测偏差，实例向量内的点序列可能存在抖动或者锯齿状，这会影响后续任务。因此，本文提出了抗干扰地图重建框架（ADMap）。为了缓解point-order抖动，该框架由三个模块组成：多尺度感知neck（MPN）、实例交互注意力（IIA）和矢量方向差损失（VDDL）。通过以级联方式探索实例之间和实例内部的point-order关系，该模型可以更有效地监测point-order预测过程。ADMap在nuScenes和Argoverse2数据集上实现了最先进的性能。大量结果表明，它能够在复杂且多变的驾驶场景中生成稳定且可靠的地图元素。

主要贡献

本文的贡献如下：

1）本文提出了端到端ADMap，它可以重建更稳定的矢量化高精地图；

2）MPN在不增加计算资源的情况下更精确地捕获多尺度信息，IIA实现了实例之间和实例内部信息之间的有效交互，以缓解实例点位置偏移的问题。VDDL对矢量方向差进行建模，并且使用拓扑信息来监督point-order位置的重建过程；

3）ADMap能够实时重建矢量化高精地图，并且在nuScenes和Argoverse2基准测试中实现了最佳性能。

论文图片和表格

总结

ADMap是一种有效且高效的矢量化高精地图重建框架，其通过多尺度感知Neck、实例交互注意力和矢量方向差损失这三个模块，有效地缓解了由实例点抖动造成的地图拓扑失真问题。大量实验表明，本文所提出的方法能够在nuScenes和Argoverse2基准上获得最佳性能，其高效性也得以验证。我们相信，ADMap可以帮助社区推动有关矢量化高精地图重建任务的研究，以更好地发展自动驾驶等领域。

原文链接：https://mp.weixin.qq.com/s/O0BoiJZwIQmeeChUZkMMng