摘要

自动驾驶系统需要高精度（HD）语义地图来在城市道路上导航。现有的解决方案通过离线手动标注来解决语义映射问题，但这种方法存在严重的可扩展性问题。最近基于学习的方法生成了密集的栅格化分割预测以构建地图，然而这些预测不包含单个地图元素的实例信息，并且需要启发式后处理才能获得矢量化地图。为了解决这些挑战，我们提出了一种端到端的矢量化高精度地图学习管道，称为VectorMapNet。VectorMapNet利用车载传感器观测数据，预测出鸟瞰图中的稀疏多边形线条集。该管道可以显式建模地图元素之间的空间关系，并生成适合下游自动驾驶任务的矢量化地图。大量实验表明，VectorMapNet在nuScenes和Argoverse2数据集上均表现出强大的地图学习性能，分别超过了先前最先进的方法14.2 mAP和14.6 mAP。定性分析显示，VectorMapNet能够生成全面的地图并捕捉道路几何形状的细微细节。据我们所知，VectorMapNet是首个旨在从车载观测数据中进行端到端矢量化地图学习的工作。我们的项目网站地址为：https://tsinghua-mars-lab.github.io/vectormapnet/。