MapTracker: Tracking with Strided Memory Fusion for Consistent Vector HD Mapping

本文提出了一种向量HD地图算法，将地图制定为跟踪任务，并使用历史记忆潜变量来确保随时间的一致重建。我们的方法MapTracker将传感器流累积到两个潜在表示的内存缓冲区中：1）鸟瞰视图（BEV）空间中的栅格潜变量和2）道路元素（即人行横道，车道分隔线和道路边界）上的向量潜变量。该方法从跟踪文献中借用了查询传播范例，明确地将前一帧中跟踪的道路元素与当前帧相关联，同时融合距离步幅选择的一组记忆潜变量，以进一步增强时间一致性。向量潜变量被解码以重建道路元素的几何形状。本文进一步通过以下方式做出了基准贡献：1）改进现有数据集的处理代码，以生成具有时间对齐的一致地面真实性和2）使用一致性检查来增强现有的mAP指标。在常规和新的一致性感知度量上，MapTracker在nuScenes和Agroverse2数据集上的表现均显著优于现有方法，分别提高了8％和19％。代码将在我们的项目页面https://map-tracker.github.io上公开。

本文提出了一种向量HD映射算法，将映射视为跟踪任务，并使用记忆潜在因素的历史记录来确保随时间的一致重建。该算法可用于自动驾驶等领域中的高精度地图构建。

文章提出了一种基于查询传播范式的方法，将先前跟踪到的道路要素与当前帧中的要素进行关联，并使用记忆潜在因素来增强时间一致性。

该算法在nuScenes和Agroverse2数据集上的表现显著优于现有方法，具有很高的实用价值。文章还改进了现有数据集的处理代码，并增加了一些新的一致性检查。作者提供了开源代码。

与本文相关的研究包括：《RoadTracer: Automatic Extraction of Road Networks from Aerial Images》、《VectorMap: A Large-Scale Benchmark for Vector Map Inference》等。