FastMap: Fast Queries Initialization Based Vectorized HD Map Reconstruction Framework

作者: Haotian Hu, Jingwei Xu, Fanyi Wang, Toyota Li, Yaonong Wang, Laifeng Hu, Zhiwang Zhang

发布时间: 2025-03-10

来源: arxiv

研究方向: 自动驾驶环境感知与高精度地图重建

主要内容

本文提出了FastMap，一种基于Transformer架构的在线高精度地图重建框架，旨在提高重建效率和准确性。FastMap通过减少解码器冗余、优化查询初始化和引入几何约束损失函数，实现了快速且精确的地图重建。

1. 提出了一种基于热图引导的查询初始化方法，通过单层两阶段Transformer结构实现了多级表示能力。

2. 设计了一种基于点到线的损失机制，有效解决了传统点到点损失计算中特征高度同质化的问题。

3. 在nuScenes和Argoverse2数据集上取得了最先进的性能，解码器运行速度比基线快3.2倍。

1. Transformer架构

2. 热图引导的查询初始化

3. 点到线损失机制

4. 多级特征表示

5. 多模态注意力机制

在nuScenes和Argoverse2数据集上，FastMap在mAP指标上取得了最先进的性能，同时提高了推断速度。实验结果表明，FastMap在保持模型准确性的同时，显著提高了模型推断速度。

FastMap有望在自动驾驶、机器人导航等领域得到广泛应用。未来可以进一步研究以下方面：1）引入更复杂的几何约束，提高地图重建的准确性；2）探索FastMap在多传感器融合场景中的应用；3）研究FastMap在实时动态环境下的性能。