LGmap: Local-to-Global Mapping Network for Online Long-Range Vectorized HD Map Construction

本报告介绍了自主驾驶大挑战赛2024年地图无关驾驶项目的第一名解决方案。在本报告中，我们介绍了一种新颖的在线地图构建方法LGmap，它擅长长时间跨度模型。首先，我们提出了对称视角变换（SVT），这是一种混合视角变换模块。我们的方法克服了前向稀疏特征表示的局限性，并利用深度感知和SD先验信息。其次，我们提出了分层时序融合（HTF）模块。它从局部到全局利用时间信息，增强了构建高稳定性的长时间跨度高清地图的能力。最后，我们提出了一种新颖的行人过街重采样方法。简化的行人过街表示加速了基于实例注意力的解码器的收敛性能。我们的方法在地图无关驾驶OpenLaneV2测试集上取得了0.66的UniScore。

解决问题：论文旨在解决无地图自动驾驶中的长期建图问题。

关键思路：论文提出了一种新的在线建图方法LGmap，其中包括对称视图转换（SVT）模块、分层时间融合（HTF）模块和新型行人过街重采样模块。这些模块的组合使得LGmap能够进行长期建图，并提高了地图的稳定性。

其他亮点：论文在Mapless Driving OpenLaneV2测试集上取得了0.66的UniScore，实验结果表明LGmap的性能优于当前领域的其他方法。论文还提供了开源代码和使用的数据集，值得进一步研究。

相关研究：最近的相关研究包括：1）《End-to-End Learning for Mapless Autonomous Driving with Temporal Data Augmentation and Attentional Control》；2）《MapLite: Autonomous Navigation Using Sparse 3D Maps for Long-Range Vision》；3）《Scalable End-to-End Autonomous Vehicle Testing via Rare-event Simulation》。