MapTR：在线矢量化高精地图构建的结构化建模与学习

高清（HD）地图提供了丰富的驾驶场景环境信息，是自动驾驶系统规划中不可或缺的基础组件。我们提出了MapTR，一种用于高效在线矢量化高清地图构建的结构化端到端Transformer模型。我们提出了一种统一的置换等效建模方法，即将地图元素建模为一组置换等效的点集，该方法能够准确描述地图元素的形状并稳定学习过程。我们设计了一种分层查询嵌入方案，以灵活编码结构化的地图信息，并进行分层二部匹配以实现地图元素的学习。在nuScenes数据集中，仅使用摄像头输入的情况下，MapTR在现有的矢量化地图构建方法中实现了最佳的性能和效率。特别是，MapTR-nano在RTX 3090上以实时推理速度（25.1帧/秒）运行，比现有最先进的基于摄像头的方法快8倍，同时mAP提高了5.0。即使与现有的多模态最先进方法相比，MapTR-nano的mAP也高出0.7，而MapTR-tiny则实现了13.5更高的mAP和3倍更快的推理速度。大量的定性结果表明，MapTR在复杂多样的驾驶场景中保持了稳定且强大的地图构建质量。MapTR在自动驾驶领域具有重要的应用价值。代码和更多演示可在以下网址获取：\url{https://github.com/hustvl/MapTR}。