一种融合光流对齐与交叉注意力的高精度地图构建方法OA
在线矢量化高精度地图构建技术通过将道路环境抽象为车道线、道路边界、人行横道等结构化矢量元素,为自动驾驶的预测与规划模块提供环境感知信息。现有方法通常利用激光点云与多视图图像数据,在共享的鸟瞰图BEV(Bird's Eye View)空间中统一两种模态的特征以构建高精度地图;然而,在对BEV特征进行融合时,容易受到跨模态特征冲突的影响,导致最终构建的地图精度下降。针对上述问题,本文提出一种融合光流对齐和交叉注意力机制的高精度地图构建方法FAS(Flow And Siamese Cross Attention)。首先,在跨模态融合前,引入光流场进行特征校正,以实现激光点云与图像BEV特征的像素级空间对齐。进而,设计了一种孪生交叉注意力机制,通过促进原始点云特征与对齐图像特征的信息交互,缓解多模态融合中的特征退化。最后,在纽场景(nuScenes)数据集上进行实验验证。结果表明,本文提出的方法与现有方法相比,在建图精度上得到提升,验证了其对于高精度地图构建任务的有效性与适用性。
张家硕;周汝琴;戴晨光;李文科;赵珍
信息工程大学,河南郑州450001信息工程大学,河南郑州450001信息工程大学,河南郑州450001信息工程大学,河南郑州450001信息工程大学,河南郑州450001
天文与地球科学
高精度地图激光点云鸟瞰图特征图像鸟瞰图特征多模态融合几何表征
《测绘科学技术学报》 2026 (3)
P.266-274,9
河南省自然科学基金青年基金项目(252300420876)
评论