☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
- 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，这是一种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，高精地图的在线重建对于规划任务至关重要。近年来，已经有多种高性能的高精地图重建模型被开发出来以满足这一需求。然而，由于存在预测偏差，实例向量内的点序列可能会出现抖动或锯齿状，进而影响后续任务的进行。为此，本文提出了抗干扰地图重建框架ADMap。 ADMap框架由三个模块组成，分别是多尺度感知neck（MPN）、实例交互注意力（IIA）和矢量方向差损失（VDDL）。通过级联方式探索实例之间和实例内部的点序关系，该模型能够更有效地监测点序预测过程，从而缓解点序抖动的问题。 实验证明，ADMap在nuScenes和Argoverse2数据集上实现了最先进的性能。大量的结果表明，在复杂且多变的驾驶场景中，ADMap能够生成稳定且可靠的地图元素。这对于自动驾驶系统的安全和准确性至关重要。 总的来说，ADMap是一种创新的抗干扰地图重建框架，它能够有效地解决点序抖动问题，并在实际数据集上展现出卓越的性能。这一研究对于推动自动驾驶技术的发展具有重要的意义。
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；
MPN通过不增加计算资源的方式，能够更精确地捕获多尺度信息。而IIA则有效地实现了实例之间和实例内部信息的交互，从而缓解了实例点位置偏移的问题。另外，VDDL利用拓扑信息来监督point-order位置的重建过程，并且对矢量方向差进行建模。
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
