目录
显示
HD semantic map learning
- (2021) HDMapNet: 从感官输入估计局部语义是自动驾驶高清地图构建的核心组成部分。然而，传统的管道需要大量的人力和资源来注释和维护映射中的语义，这限制了其可伸缩性。本文介绍了局部语义图学习问题，该问题基于机载传感器观测数据动态构建向量化语义。同时，我们提出了一种局部语义地图学习方法，称为HDMapNet。HDMapNet编码来自周围摄像头的图像特征和/或来自激光雷达的点云，并预测鸟瞰视图中的矢量地图元素。我们在nuScenes数据集上对HDMapNet进行了基准测试，并表明在所有设置下，它的性能都优于基线方法。值得注意的是，我们基于融合的HDMapNet在所有指标上都比现有方法高出50%以上。此外，我们还开发了语义级和实例级度量来评估地图学习性能。最后，我们展示了我们的方法是能够预测一个局部一致的地图。通过介绍方法和度量，我们邀请社区来研究这个新的地图学习问题。代码和评估工具包将被发布，以促进未来的开发。
- (2020) Lift, Splat, Shoot: Encoding Images from Arbitrary Camera Rigs by Implicitly Unprojecting to 3D
- (2020) Predicting Semantic Map Representations from Images using Pyramid Occupancy Networks
- (2020) Cross-view Transformers for real-time Map-view Semantic Segmentation
Online-HDMap-Construction
-
VectorMapNet: VectorMapNet is the first work designed towards end-to-end vectorized map learning from onboard observations.paper
-
MapTR: STRUCTURED MODELING AND LEARNING FOR ONLINE VECTORIZED HD MAP CONSTRUCTION. paper
-
MapTRv2: An End-to-End Framework for Online Vectorized HD Map Construction paper
-
StreamMapNet: StreamMapNet: Streaming Mapping Network for Vectorized Online HD Map Construction paper
-
Online High-precision Map Construction with Segmentation-guided Structured Modeling and Learning. paper
