分离式RoadTopoFormer

理解驾驶场景对于实现自动驾驶至关重要。以往的研究工作，如地图学习和鸟瞰图车道检测，忽略了车道实例之间的连接关系，而交通元素检测任务通常也忽略了与车道线的关系。为了解决这些问题，我们提出了一个包含四个子任务的任务框架：交通元素检测、车道中心线检测、车道间的连接关系推理以及车道与交通元素之间的分配关系推理。我们介绍了分离式路拓扑前向网络（Separated RoadTopoFormer），这是一种端到端的框架，可以检测车道中心线和交通元素，并推理它们之间的关系。为了防止各模块之间的相互干扰，我们分别对每个模块进行了优化，并通过少量微调将它们聚合在一起。对于两个检测头，我们采用了类似于DETR的架构来检测对象；而对于关系推理头，我们将来自前端检测器的两个实例特征进行拼接，并将其输入分类器以获得关系概率。我们的最终提交在整体评分中达到了0.445 OLS，这在各个子任务和综合评分中都具有竞争力。