自动驾驶HDMap系列paper

自动驾驶HDMap系列paper

附赠自动驾驶最全的学习资料和量产经验:链接

HDMapNet

https://arxiv.org/pdf/2107.06307.pdf​arxiv.org/pdf/2107.06307.pdf

image

21年最早挂出来改到22年的paper,算是早期做hdmap的网络。思路也比较简单,和bevfusion(mit版本)的工作挺像,分图像和雷达两支,分别提取特征到bev空间,过bev decoder后做了语义分割,朝向预测和实例编码(instance embedding),最后形成矢量高清地图还是靠后处理来完成。

image

论文对矢量化的操作说的很清楚,dbscan + nms,其实就是用实例化聚类 + 属性分配(朝向 + 分类)来构造矢量化表达。

STSU

https://arxiv.org/pdf/2110.01997.pdf​arxiv.org/pdf/2110.01997.pdf

image

iccv2021的paper,21年10月的paper,上面HDMapNet最早是21年7月挂出来,在detr的基础上做的改进,主要的想法是用贝塞尔重新定义局部矢量地图。把HD map定义为一堆贝塞尔曲线和这一堆曲线的邻接关系。

VectorMapNet

https://arxiv.org/pdf/2206.08920.pdf​arxiv.org/pdf/2206.08920.pdf

image

ICML 2023的paper,如图所示上面有三块,bev feature这部分就不说了,主要是地图元素检测和Polyline 生成。地图元素检测也是detr的路子,一个query查一个关键点,多个关键点来表示一个地图元素。Polyline 生成也是使用了transformer来做,对输入的element keypoints用自回归来做细化,出polyline。

MapTR

https://arxiv.org/pdf/2208.14437.pdf​arxiv.org/pdf/2208.14437.pdf

image

ICLR 2023的paper

MapTR V2

https://arxiv.org/pdf/2308.05736.pdf​arxiv.org/pdf/2308.05736.pdf

maptr v2 对maptr 的改进版本,但主要关注于降低计算量,原理思路并没有进行修改

image

Online Vectorized HD Map Construction using Geometry

https://arxiv.org/pdf/2312.03341.pdf​arxiv.org/pdf/2312.03341.pdf

23年12月的paper,算比较新的,从指标来看性能强于MapTR V2。

image

Leveraging Enhanced Queries of Point Sets for Vectorized Map Construction

https://arxiv.org/pdf/2402.17430.pdf​arxiv.org/pdf/2402.17430.pdf

24年2月27日的最新paper

image

image

image

StreamMapNet: Streaming Mapping Network for Vectorized Online HD Map Construction

https://arxiv.org/pdf/2308.12570.pdf​arxiv.org/pdf/2308.12570.pdf

这篇文章只是个引子,用来引出下面一篇

MapTracker: Tracking with Strided Memory Fusion for Consistent Vector HD Mapping

https://arxiv.org/pdf/2403.15951.pdf​arxiv.org/pdf/2403.15951.pdf

image

跟踪范式来做分割任务,个人认为是很不错的工作,符合现实。

  • 31
    点赞
  • 30
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值