.png){kind=icon}
返回
End-to-End Vectorized HD Map Construction Based on Graph Structure Modeling and Graph Transformer Optimization
.png){kind=icon}
PRE
AI
DOI：10.1109/tits.2026.3689136.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高精度（HD）地图在自动驾驶中发挥着关键作用，为行为预测和路径规划提供了可靠的基础。近期方法将地图元素建模为点集，并采用基于Transformer的检测框架进行端到端的矢量化地图构建。然而，这些方法未能充分挖掘几何结构特性，从而限制了预测地图元素形状和位置精度的提升。为解决此问题，我们提出了一种名为GraphMapTR的新型方法，该方法将地图元素建模为图结构。每个地图元素表示为子图，其中关键点作为节点，边捕捉结构连续性。为优化子图内的节点查询嵌入，我们设计了一个基于图Transformer的解码器，包含三个核心组件：MHSA-BSG（子图间多头自注意力），它促进不同子图间高效的特征交互，同时增强节点对其所属子图区域的注意力；LGSA-WSG（子图内局部几何感知自注意力），它动态聚合全局节点关系和局部边结构以丰富节点表示；以及DCA-BEV（可变形交叉注意力），通过与BEV特征交互来细化节点嵌入。在LGSA-WSG中，引入栅格化地图分割分支的先验信息，生成局部几何一致性分数（LGC分数），作为边结构偏差。大量实验表明，GraphMapTR显著优于现有最先进方法。具体而言，在nuScenes和Argoverse2数据集上，其mAP分别比最先进的MapTRv2算法高出5.0%和3.4%。
Keyword:
Online mapping
vectorized map construction
autonomous driving
Graph Transformer
end-to-end
期刊
IF:
8.4
论文数:
9.7K
被引数:
6.3W
机构
引用论文
.png){kind=icon}
BEVFormer: Learning Bird’s-Eye-View Representation from Multi-camera Images via Spatiotemporal TransformersBEVFormer: 通过时空转换器从多相机图像中学习鸟眼视图表示
PREAI
分享收藏
查看更多内容