.png){kind=icon}
返回
Loop-MapNet: A Multi-Modal HDMap Perception Framework with SDMap Dynamic Evolution and Priors
.png){kind=icon}
OA
AI
DOI：10.3390/app152011160.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高分辨率地图（HDMaps）对于结构化道路上的安全自主行驶至关重要。然而，依赖专用测绘车队和人工质量控制的传统生产方式成本高昂且速度缓慢，阻碍了大规模、频繁的更新。最近，基于遥感获取的标准分辨率地图（SDMaps）已被用作先验信息以支持HDMap感知，降低了成本，但在应对细微城市变化和定位漂移方面存在困难。我们提出Loop-MapNet，一种自演进、多模态、闭环的制图框架。Loop-MapNet有效利用了环视图像、LiDAR点云和SDMaps；它通过加权BiFPN融合多尺度视觉信息，并耦合PointPillars BEV和SDMap拓扑编码器进行跨模态感知。基于Transformer的双向自适应交叉注意力机制使SDMap与在线感知对齐，在异构环境下实现鲁棒融合。我们进一步引入一种置信度引导的掩码自动编码器（CG-MAE），利用置信度和概率蒸馏来捕获隐式SDMap先验信息，并增强低置信度HDMap区域的细节表示。通过时空一致性检查，Loop-MapNet逐步更新SDMaps，形成感知-制图-更新闭环，补偿遥感延迟并实现在线地图优化。在nuScenes数据集上，120米范围内，Loop-MapNet达到61.05%的mIoU，超过最佳基线0.77%。在极端定位误差下，其mIoU仍为60.46%，鲁棒性提升2.77%；CG-MAE预训练使低置信度区域的精度提高了1.72%。这些结果表明其在融合和鲁棒性方面的优势，超越了单向先验注入，实现了HDMap-SDMap协同进化，支持闭环自主行驶和从遥感快速刷新SDMap。
Keyword:
HDMap
SDMap
multimodal perception
attention mechanism
closed-loop system
autonomous driving
urban environment
期刊
A
IF:
2.5
论文数:
7.6K
被引数:
4
机构
引用论文
.png){kind=icon}
Terminology and Analysis of Map Deviations in Urban Domains: Towards Dependability for HD Maps in Automated Vehicles城市领域中地图偏差的术语与分析：面向自动驾驶车辆高精地图的可靠性
PREAI
分享收藏
查看更多内容