Enhancing Online Road Network Perception and Reasoning with Standard Definition Maps

自主驾驶在城市和高速公路应用中通常需要高清地图来生成导航计划。然而，在生成和维护大规模的高清地图时会遇到各种挑战。虽然最近出现了一些在线地图方法，但它们的性能，特别是在动态环境下的长距离方面，受到严重遮挡的限制。考虑到这些问题，我们的工作重点是利用轻量级和可扩展的先验——标准清晰度（SD）地图——来开发在线矢量化高清地图表示。我们首先研究了将原型栅格化的SD地图表示集成到各种在线地图架构中。此外，为了确定轻量级策略，我们扩展了OpenLane-V2数据集，使用OpenStreetMaps评估了图形SD地图表示的好处。从设计SD地图集成组件中得出的一个关键发现是，SD地图编码器是模型不可知的，可以快速适应利用鸟瞰图编码器的新架构。我们的结果表明，利用SD地图作为在线地图任务的先验条件可以显著加快收敛速度，并将在线中心线感知任务的性能提高了30%（mAP）。此外，我们还表明，引入SD地图可以通过利用SD地图图形来减少感知和推理任务中的参数数量，同时提高整体性能。项目页面：https://henryzhangzhy.github.io/sdhdmap/。

如何利用轻量级的标准定义地图（SD map）来辅助生成高清晰地图（HD map）？

论文提出了一种利用SD map作为先验知识来辅助在线生成HD map的方法。通过将SD map与在线地图算法相结合，可以显著提高定位和感知任务的性能。

论文通过实验验证了SD map在在线地图算法中的有效性，并展示了SD map在提高感知任务性能和减少参数数量方面的优势。研究使用了OpenLane-V2数据集和OpenStreetMaps，并提供了开源代码。

近期的相关研究包括基于深度学习的HD map生成方法、基于激光雷达的地图生成方法等。