「自动驾驶新青年讲座」由智东西公开课全新企划，将邀请全球知名高校、顶尖研究机构以及优秀企业的新青年，主讲在环境感知、精准定位、决策规划、控制执行等自动驾驶关键技术上的最新研究成果和开发实践。

有兴趣分享的朋友，可以与智东西公开课教研团队进行邮件（class@zhidx.com）联系。

矢量高精地图（vectorized high-definition map）是应用于自动驾驶的高精度结构化电子地图，其由驾驶场景各类地图要素（如人行横道、车道线、路沿等）的矢量化表示构成，为决策规划、轨迹预测、环境感知提供重要的高层级语义信息，是自动驾驶系统中尤为重要的一部分。

以往的高精地图通常以离线的方式构建，即利用地图采集车的车载传感器（激光雷达、相机、惯导等）采集场景数据，并通过自动化和人工相结合的方式对数据进行处理和矢量化语义标注。离线建图的主要挑战在于：1）数据的采集、处理和标注都需要大量的人力和时间成本，且流程繁琐；2）道路信息动态变化，离线构建的地图时效性差，需要高频更新来保证地图的准确性；3）考虑到信息安全，离线地图无法覆盖到保密要求高的区域；4）当拓展到大规模大范围的高精地图应用时，离线建图在人力、时间和维护成本上的问题将更加凸显。

在线建图是指在自动驾驶车辆行驶过程中利用车载传感器实时地感知自车周围的地图要素并生成地图。在线建图无需人工处理、标注和维护，相比离线建图，成本低，拓展性强，易用性强。然而，目前的在线建图方法在建图质量和建图速度两方面都难以达到自动驾驶实际应用的要求。高质量高效率在线建图成为了业界亟待解决的技术难题。

针对这一问题，华中科技大学Vision Lab和地平线合作，共同提出了基于结构化建模的矢量高精地图实时在线构建方法MapTR和基于查找表索引的BEV表示学习方法GKT。MapTR通过对地图要素的结构化建模消除表示上的歧义性，降低复杂度和学习难度。

进一步，MapTR基于GKT实现高效的2D-to-BEV特征变换，并对地图要素采用分层级的编码、交互和匹配机制，最终端到端且结构化地输出矢量高精地图。实验表明，MapTR在nuScenes数据集上取得了最好的建图质量和实时的运行速度，且在多样而复杂的驾驶场景中都能保持稳定的建图性能。MapTR展现了在线建图方案的潜力和前景，具有很高的应用价值。

9月22日晚7点，「自动驾驶新青年讲座」第8讲邀请华中科技大学Vision Lab在读博士陈少宇参与，主讲《矢量高精地图实时在线构建及BEV表示学习》。

讲者
陈少宇,华中科技大学Vision Lab在读博士;师从王兴刚教授和刘文予教授，研究方向为3D视觉和自动驾驶，以第一作者身份在CVPR、ICCV等会议/期刊发表多篇学术论文。

第8讲

主 题
《矢量高精地图实时在线构建及BEV表示学习》

提 纲
1、自动驾驶中的离线建图和在线建图
2、高精地图要素的结构化建模
3、2D-to-BEV表示学习方法GKT
4、实时在线建图方法MapTR

直 播 信 息
直播时间：9月22日19:00
直播地点：智东西公开课知识店铺

成果

MapTR/GKT
《MapTR: Structured Modeling and Learning for Online Vectorized HD Map Construction》
《Efficient and Robust 2D-to-BEV RepresentationLearning via Geometry-guidedKernel Transformer》

论文地址
https://arxiv.org/pdf/2208.14437.pdf
https://arxiv.org/pdf/2206.04584.pdf

开源地址
https://github.com/hustvl/MapTR
https://github.com/hustvl/GKT