TopoBDA：面向道路拓扑理解的贝塞尔可变形注意力

道路拓扑结构的理解对于自动驾驶系统至关重要。本文提出了一种名为TopoBDA（基于贝塞尔可变形注意力的道路拓扑建模）的新方法，通过引入贝塞尔可变形注意力（Bezier Deformable Attention, BDA）机制，显著提升了对道路拓扑结构的感知能力。TopoBDA利用多摄像头360度视觉图像生成鸟瞰图（Bird’s Eye View, BEV）特征，并通过采用BDA机制的Transformer解码器对这些特征进行精细化处理。BDA机制利用贝塞尔控制点驱动可变形注意力机制，有效提升了对细长线状结构（如车道中心线）的检测与表征能力。此外，TopoBDA还引入了两项辅助组件：实例掩码形式化损失（instance mask formulation loss）和一对多集合预测损失策略（one-to-many set prediction loss strategy），进一步优化了车道中心线的检测精度，增强了对道路拓扑关系的理解能力。在OpenLane-V2数据集上的实验评估表明，TopoBDA在车道中心线检测与拓扑推理任务中均优于现有方法，达到了当前最优（state-of-the-art）性能。同时，在OpenLane-V1数据集上的3D车道线检测任务中，TopoBDA也取得了最佳结果。进一步的多模态融合实验表明，引入LiDAR、雷达（radar）及语义地图（SDMap）等多源信息可进一步提升道路拓扑理解的性能，验证了多模态感知在复杂场景下的优势。