百度新突破！商业可行性已验证！EgoVM：轻量级矢量化地图解析~

作者：大森林  | 来源：3D视觉工坊

在公众号「3D视觉工坊」后台，回复「原论文」可获取论文pdf。

添加微信：dddvisiona，备注：自动驾驶，拉你入群。文末附行业细分群。

笔者总结

EgoVM是一种端到端网络，它使用轻量级矢量化地图来实现精确的自我定位。它从在线多视图图像和LiDAR点云中提取鸟瞰视图（BEV）特征，并采用可学习的语义嵌入来编码地图元素的语义类型。然后，它通过语义分割来监督这些特征与BEV特征的一致性。该方法还使用Transformer解码器进行跨模态匹配，并采用高鲁棒性的基于直方图的姿态解算器来确定最佳姿态偏移。实验结果表明，该方法在厘米级定位精度方面表现出色，并且优于使用点云地图的现有方法。此外，该本方法已在各种复杂城市场景下的大型自动驾驶车队中进行了广泛测试，验证了其在商业上的可行性。这里也推荐「3D视觉工坊」新课程《深度剖析面向自动驾驶领域的车载传感器空间同步（标定）》。

1. 原文摘要

精确可靠的自我定位对自动驾驶至关重要。在本文中，我们提出了EgoVM，它采用了一种端到端的定位网络，它实现了与先前最先进方法相当的定位精度，但使用轻量级矢量化地图而不是笨重的基于点的地图。首先，我们实时地从多视图图像和激光雷达点云中提取鸟瞰视角（BEV）特征。然后，我们利用一组可学习的语义嵌入来对地图元素的语义类型进行编码，