无图NOA行不行？聊一聊在线高精地图的边界~

高精地图曾被视为自动驾驶的“灵魂伴侣”，以其厘米级的精度为自动驾驶研发提供了有力支撑。但时效性低、构建成本高昂的问题逐渐浮现。自2022年起，“重感知轻地图”成为自动驾驶界的新潮流。特斯拉、小鹏、理想等头部企业纷纷跟进，先后发布了去高精地图的方案。

“重感知轻地图”的核心思想是什么？实时感知！让自动驾驶系统更多地依赖传感器等设备，实时捕捉环境信息，而不是死板地遵循预先设定的地图。这样，系统能更灵活适应各种道路和交通环境，实现更安全、高效的自动驾驶。在“重感知轻地图”的浪潮下，在线高精地图构建任务应运而生，成为自动驾驶感知和地图模块的“新星”。这种方法利用激光雷达、摄像头等传感器，实时捕捉道路和交通环境的详细信息，为自动驾驶提供实时、准确的依据。

许多研究如HDMapNet、MapTR、BeMapNet等，对地图要素建模进行了深入探索，提出了统一的建模方式来表达地图要素。这些方法在精确预测车道线、道路边沿等方面取得了显著成果，但仍缺乏“车道”的概念和车道之间的拓扑关系构建。为了满足下游规划任务的需求，一些工作如TopoNet更进一步，直接从传感器信息预测车道中心线及车道拓扑。此外，Neural Map Prior等工作通过引入地图先验，显著提升了在线建图在夜间、雨雪等极端感知条件下的性能。

在线高精地图构建任务的兴起，不仅解决了传统高精地图时效性低、构建成本高的问题，还为自动驾驶系统提供了更灵活、实时的环境感知能力，助力实现更安全、高效的自动驾驶。各大自动驾驶公司更是投入重金研发在线高精地图模型，期望早日落地城区NOA，在成本和性能、驾驶体验上取得最佳平衡。

新兴技术不知道如何入门？

自动驾驶Daily为大家准备了12篇在线高精地图相关的paper，彻底梳理清楚城市NOA的关键技术。公众号【自动驾驶Daily】后台回复“在线地图”获取所有论文。

1. HDMapNet：基于语义分割的在线局部高精地图构建 (ICRA2022)

2. VectorMapNet：基于自回归方式的端到端矢量化地图构建（ICML2023）

3. MapTR ：基于固定数目点的矢量化地图构建 (ICLR2023)

4. MapTRv2：一种在线矢量化高清地图构建的端到端框架

5. PivotNet：基于动态枢纽点的矢量化地图构建 （ICCV2023）

6. BeMapNet：基于贝塞尔曲线的矢量化地图构建 (CVPR2023)

7. LATR:  无显式BEV 特征的3D车道线检测 (ICCV2023)

8. TopoNet: 基于图的驾驶场景拓扑推理

9. TopoMLP: 先检测后推理（拓扑推理 strong pipeline）

10. LaneGAP：连续性在线车道图构建

11. Neural Map Prior: 神经地图先验辅助在线建图 （CVPR2023）

12. MapEX：现有地图先验显著提升在线建图性能