WACV 2025 | HeightMapNet：静态感知如何集成高度先验？

文章预览

写在前面 & 笔者的个人理解 从环视图像构建高清（HD）地图的最新进展突显了其部署的成本效益。然而，主流技术在准确提取和利用道路特征以及实现视图转换方面往往存在不足。为此我们引入了HeightMapNet，这是一种在图像特征和路面高度分布之间建立动态关系的新框架。通过整合高度先验，我们的方法超越了传统方法，提高了鸟瞰图（BEV）特征的准确性。HeightMapNet还引入了一个前景背景分离网络，可以清晰地区分关键的道路元素和无关的背景成分，从而精确地聚焦于详细的道路微观特征。此外，我们的方法利用BEV空间内的多尺度特征，优化利用空间几何信息来提高模型性能。HeightMapNet在具有挑战性的nuScenes和Argoverse 2数据集上显示出卓越的结果，优于几种公认的方法。 开源链接：https://github.com/adasfag/HeightMapNet/ 总结来说，本文的主要贡献如下： ………………………………