ADMap：用于重建在線矢量化高精地圖的抗干擾框架
本文經自動駕駛之心公眾號授權轉載，轉載請聯系出處。
- 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）地圖重建對于規劃任務是至關重要的。最近的研究已經開發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，實例向量內的點序列可能存在抖動或者鋸齒狀，這會影響后續任務。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）。通過以級聯方式探索實例之間和實例內部的point-order關系，該模型可以更有效地監測point-order預測過程。ADMap在nuScenes和Argoverse2數據集上實現了最先進的性能。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實現了實例之間和實例內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可以幫助社區推動有關矢量化高精地圖重建任務的研究，以更好地發展自動駕駛等領域。
原文鏈接：https://mp.weixin.qq.com/s/O0BoiJZwIQmeeChUZkMMng
