Key points are not available for this paper at this time.
Cet article présente un algorithme de cartographie vectorielle HD qui formualise la cartographie comme une tâche de suivi et utilise un historique de latents de mémoire pour assurer des reconstructions cohérentes dans le temps. Notre méthode, MapTracker, accumule un flux de capteurs dans des tampons de mémoire de deux représentations latentes : 1) Latents raster dans l'espace de vue de l'oiseau (BEV) et 2) Latents vectoriels sur les éléments de la route (c'est-à-dire, passages piétons, séparateurs de voies et limites de route). L'approche emprunte le paradigme de propagation des requêtes de la littérature sur le suivi qui associe explicitement les éléments de route suivis du cadre précédent à l'actuel, tout en fusionnant un sous-ensemble de latents de mémoire sélectionnés avec des strides de distance pour améliorer davantage la cohérence temporelle. Un latent vectoriel est décodé pour reconstruire la géométrie d'un élément de route. L'article apporte également des contributions de référence en 1) Améliorant le code de traitement pour les ensembles de données existants afin de produire une vérité de terrain cohérente avec des alignements temporels et 2) Augmentant les métriques de mAP existantes avec des vérifications de cohérence. MapTracker surpasse significativement les méthodes existantes sur les ensembles de données nuScenes et Agroverse2 de plus de 8 % et 19 % respectivement sur les métriques conventionnelles et celles conscientes de la cohérence. Le code sera disponible sur notre page projet : https://map-tracker.github.io.
Chen et al. (Sat,) ont étudié cette question.