基于SD地图增强无图车道线和拓扑推理

在线场景感知和拓扑推理对于自动驾驶车辆理解其驾驶环境至关重要，特别是对于无地图驾驶系统，这些系统致力于减少对昂贵的高清（HD）地图的依赖。然而，由于车载传感器的固有限制，最近在线场景理解的进展仍然面临局限性，特别是在长距离或遮挡场景中。
为了应对这一挑战，作者提出了一种标准定义（SD）地图增强场景感知和拓扑推理（SEPT）框架，探索如何将SD地图作为先验知识有效地融入现有的感知和推理流程中。具体而言，作者引入了一种新颖的混合特征融合策略，将SD地图与鸟瞰图（BEV）特征相结合，同时考虑栅格化和矢量化的表示形式，同时减轻SD地图与BEV特征空间之间潜在的错位问题。
此外，作者利用SD地图特性设计了一个辅助的交叉路口感知关键点检测任务，进一步提升了整体场景理解性能。
在大型OpenLane-V2数据集上的实验结果表明，通过有效地整合SD地图先验知识，adas-SEPT_2505显著提高了场景感知和拓扑推理能力，大幅超越了现有方法。

• papers: https://arxiv.org/pdf/2505.12246