摘要
可靠的自动驾驶需要几何准确、语义丰富且可扩展的向量化高清地图。然而，现有的公共高清地图数据集在规模上有限，提供的语义属性稀疏，且缺乏如航拍影像等能够启发新研究方向的多模态数据。
我们提出了HRDX，这是一个用于向量高清地图构建的大规模数据集，涵盖大约40小时（1400公里）的最小重叠驾驶数据，规模是之前公共高清地图数据集的数倍。数据采集使用了六个同步的全景摄像头、128束激光雷达，以及厘米级的RTK GNSS/IMU，并通过精确对齐的航拍正射影像进行补充。标注覆盖10个向量地图类别，并附有20多种语义和拓扑属性。
为了评估这一更丰富的本体，我们引入了复合分数（Composite Score, CS），用于联合评估几何保真度和属性正确性。基准实验表明，HRDX的规模提高了在线向量地图构建的效果，而对齐的航拍影像提供了有用的结构先验：在训练和/或推理中使用航拍影像可以提高几何地图质量，而航拍增强的教师模型可以将部分好处转移给仅使用摄像头的学生模型，而不增加推理时的传感器需求。
HRDX旨在支持大规模高清地图学习、跨模态BEV融合以及训练时特权信息的可重复研究。HRDX数据集和基准可在此处获取。
博主点评： HRDX数据集的推出标志着高清地图研究的一个重要进展，为自动驾驶技术的发展提供了丰富的数据基础。通过引入航拍影像，数据集在几何准确性和语义丰富性上都取得了显著提升，极大地推动了相关领域的研究与应用。此举不仅对学术界，也对产业界的自动驾驶技术研发具有深远影响。