中科院开源 TopoLogic | 利用几何距离拓扑推理方法，无需重新训练，显著提升车道拓扑推理的性能！

文章预览

ADAS  Laboratory 点击上方 蓝字 关注  智驾实验室 扫描上方二维码，加入【 智驾实验室 】交流群， 获取更多内容和资料 作为将感知与推理相结合的新兴任务，自动驾驶场景中的拓扑推理最近受到了广泛关注。 然而，现有工作常常强调“感知优于推理”：它们通常通过增强对车道的感知来提升推理性能，并直接采用多层感知机（MLP）从车道 Query 中学习车道拓扑。 这种范式忽略了车道本身固有的几何特征，并且容易受到车道线检测中固有的端点偏移的影响。 为了解决这个问题，作者提出了一种基于车道几何距离和车道 Query 相似性的可解释车道拓扑推理方法，名为TopoLogic。这种方法减轻了几何空间中端点偏移的影响，并在语义空间中引入了显式的相似性计算作为补充。 通过整合两个空间的结果，作者的方法为车道拓扑提供了更全面的信息。 最终， ………………………………