Hochauflösende (HD) Karten stellen umfangreiche und präzise statische Umgebungsinformationen der Fahrzeugumgebung bereit und sind ein grundlegendes und unverzichtbares Element für die Planung im autonomen Fahren. In dieser Arbeit stellen wir \textbf{Map} \textbf{TR}ansformer vor, einen end-to-end-Framework für die Online-Vektorisierung von HD-Karten. Wir schlagen eine einheitliche permutationsäquivalente Modellierungsansatz vor, d.h., das Modellieren von Kartelementen als Punktmengen mit einer Gruppe äquivalenter Permutationen, was die Form der Kartelemente genau beschreibt und den Lernprozess stabilisiert. Wir entwickeln ein hierarchisches Abfrage-Embedding-Schema, um strukturierte Karteninformationen flexibel zu kodieren und hierarchisches bipartites Matching für das Lernen von Kartelementen durchzuführen. Um die Konvergenz zu beschleunigen, führen wir zudem ein Hilfs-Matching von einem zu vielen und dichte Überwachung ein. Das vorgeschlagene Verfahren bewältigt verschiedene Kartelemente mit beliebigen Formen hervorragend. Es läuft in Echtzeitgeschwindigkeit und erzielt Spitzenleistungen sowohl auf den nuScenes- als auch auf den Argoverse2-Datensätzen. Reiche qualitative Ergebnisse zeigen eine stabile und robuste Kartenkonstruktionsqualität in komplexen und vielfältigen Fahrzeugumgebungen. Der Quellcode und weitere Demos sind unter \url{https://github.com/hustvl/MapTR} erhältlich, um weitere Studien und Anwendungen zu fördern.请注意，URL链接在德语文本中通常保持不变。如果您需要进一步的帮助或有其他特定要求，请告知。