MapTRv2: An End-to-End Framework for Online Vectorized HD Map Construction

要約

高解像度 (HD) マップは、走行シーンの静的な環境情報を豊富かつ正確に提供し、自動運転システムの計画に不可欠な基本的なコンポーネントとして機能します。
このペーパーでは、オンラインでベクトル化された HD マップを構築するためのエンドツーエンドのフレームワークである \textbf{Map} \textbf{TR}ansformer を紹介します。
我々は、統合された順列等価モデリングアプローチ、すなわち、地図要素の形状を正確に記述し、学習プロセスを安定させる、等価な順列のグループを持つ点セットとして地図要素をモデリングするアプローチを提案します。
構造化地図情報を柔軟にエンコードし、地図要素学習のための階層二部マッチングを実行するための階層クエリ埋め込みスキームを設計します。
収束を高速化するために、補助的な 1 対多のマッチングと高密度監視をさらに導入します。
提案手法は任意の形状をもつさまざまな地図要素に良好に対応する。
リアルタイムの推論速度で実行され、nuScenes と Argoverse2 データセットの両方で最先端のパフォーマンスを実現します。
豊富な定性結果により、複雑で多様な運転シーンにおいて安定した堅牢な地図構築品質が示されます。
さらなる研究や応用を容易にするために、コードやその他のデモが \url{https://github.com/hustvl/MapTR} で入手できます。

要約(オリジナル)

High-definition (HD) map provides abundant and precise static environmental information of the driving scene, serving as a fundamental and indispensable component for planning in autonomous driving system. In this paper, we present \textbf{Map} \textbf{TR}ansformer, an end-to-end framework for online vectorized HD map construction. We propose a unified permutation-equivalent modeling approach, \ie, modeling map element as a point set with a group of equivalent permutations, which accurately describes the shape of map element and stabilizes the learning process. We design a hierarchical query embedding scheme to flexibly encode structured map information and perform hierarchical bipartite matching for map element learning. To speed up convergence, we further introduce auxiliary one-to-many matching and dense supervision. The proposed method well copes with various map elements with arbitrary shapes. It runs at real-time inference speed and achieves state-of-the-art performance on both nuScenes and Argoverse2 datasets. Abundant qualitative results show stable and robust map construction quality in complex and various driving scenes. Code and more demos are available at \url{https://github.com/hustvl/MapTR} for facilitating further studies and applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google