MapTR: Structured Modeling and Learning for Online Vectorized HD Map Construction

要約

効率的なオンライン ベクトル化された HD マップ構築のための構造化されたエンド ツー エンドのフレームワークである MapTR を紹介します。
統一された順列ベースのモデリングアプローチ、つまり、マップ要素の定義のあいまいさを回避し、学習を容易にする、同等の順列のグループを持つポイントセットとしてマップ要素をモデル化することを提案します。
構造化された地図情報を柔軟にエンコードし、地図要素学習のために階層的な二部マッチングを実行するために、階層的なクエリ埋め込みスキームを採用しています。
MapTR は、nuScenes データセットに対する既存のベクトル化されたマップ構築アプローチの中で最高のパフォーマンスと効率を達成します。
特に、MapTR-nano は RTX 3090 でリアルタイムの推論速度 ($25.1$ FPS) で実行され、既存の最先端のカメラベースの方法より $8\times$ 速く、$3.3$ 高い mAP を達成します。
MapTR-tiny は、既存の最先端のマルチモダリティ法よりもはるかに高速でありながら、mAP が $13.5 優れています。
定性的な結果は、MapTR が複雑で多様な運転シーンで安定した堅牢なマップ構築品質を維持することを示しています。
\url{https://github.com/hustvl/MapTR} で豊富なデモを入手して、実際のシナリオでの有効性を証明してください。
MapTR は、自動運転において大きな応用価値があります。
コードは、さらなる研究と応用を促進するためにリリースされます。

要約(オリジナル)

We present MapTR, a structured end-to-end framework for efficient online vectorized HD map construction. We propose a unified permutation-based modeling approach, i.e., modeling map element as a point set with a group of equivalent permutations, which avoids the definition ambiguity of map element and eases learning. We adopt a hierarchical query embedding scheme to flexibly encode structured map information and perform hierarchical bipartite matching for map element learning. MapTR achieves the best performance and efficiency among existing vectorized map construction approaches on nuScenes dataset. In particular, MapTR-nano runs at real-time inference speed ($25.1$ FPS) on RTX 3090, $8\times$ faster than the existing state-of-the-art camera-based method while achieving $3.3$ higher mAP. MapTR-tiny significantly outperforms the existing state-of-the-art multi-modality method by $13.5$ mAP while being faster. Qualitative results show that MapTR maintains stable and robust map construction quality in complex and various driving scenes. Abundant demos are available at \url{https://github.com/hustvl/MapTR} to prove the effectiveness in real-world scenarios. MapTR is of great application value in autonomous driving. Code will be released for facilitating further research and application.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google