论文精读NMP：Neural Map Prior for Autonomous Driving

最新推荐文章于 2025-04-19 11:00:32 发布

原创

最新推荐文章于 2025-04-19 11:00:32 发布 · 995 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#自动驾驶 #高精地图

本文提出一种基于神经表示的解决方案，利用神经地图先验改善激光SLAM中的建图过程。通过局部地图推理和全局地图更新，实现在不同天气条件下提高分割能力和向量化地图检测，特别是在BEV范围扩大和恶劣天气下的性能提升。

1 基本背景
2 Motivation
3 相关研究
4 解决方案
5 实验

1 基本背景

论文链接：https://arxiv.org/pdf/2304.08481.pdf
代码链接：https://github.com/Tsinghua-MARS-Lab/neural_map_prior
项目链接：https://tsinghua-mars-lab.github.io/neural_map_prior/
年份：2023
团队：上海期智研究院，清华大学交叉信息研究院IIIS

2 Motivation

离线高精地图存在的问题：
1.昂贵。需要安装激光雷达的采集车多次采集multiple scanning trips，需要点云对齐point cloud alignment，需要人工标注manual annotation；
2.难以高频更新。

近期也有一些替代方法，比如Hdmapnet2021，Maptr2022，Vectormapnet2022，来实时real-time构建HDmap，但是这些方法质量较低inferior，而且如果天气不好，质量就会进一步下降。

因此这篇文章提出神经地图先验，可以容易地应用到目前的mapping网络中，显著提升效果。

在这里插入图片描述

3 相关研究

基于激光SLAM的建图

SLAM算法用于将激光雷达信息融合成高准确性highly accurate和高一致性highly consistent的点云信息。首先需要匹配相邻帧的数据，使用ICP NDT等算法进行对齐pairwise alignment。其次也需要自车位姿的准确估计，常用非线性最小二乘和因素图factor graph算法。