10fps+！在线实时拓扑算法实现工程化突破轻地图上车再提速- 大数跨境

觉非科技JueFX

2024-02-04

在线建图能力是“轻地图方案”的前提，其具备成本低，可拓展性强，易用性强等特点。MapTR的出现为车端实时建图提供了新的思路，特别是在多样复杂场景中的高稳定性高质量输出，展现了其在建图方向的技术潜力，对于产业而言具备高应用价值与落地前景。

2023年8月，觉非科技就已启动对MapTR方法的创新与优化，包括采用车道中心线表征车道级间的拓扑关系，增加车道方向学习，增加车道边界线属性信息等。

觉非科技对MapTR的优化效果

觉非的实时在线建图能力可以更准确的捕捉局部地图的拓扑结构，从建图层面进一步丰富地图要素输出，更适合自动驾驶各类下游任务使用。

Data Inspire Autopilot

近期，觉非科技以上述MapTR算法优化作为基准，实现了该模型在地平线J5芯片上的高效部署，此举将大幅提升“轻地图方案”上车速度，并将有效推动大规模工程化能力。

针对地平线J5芯片的硬件特性，觉非科技进行了适配J5 BPU部署的模块及算子改动。具体包括：

视角变换模块的改动。将CUDA线程核实现的BEV Pooling方式替换为分别对上下文特征图和深度特征图Grid Sample点采样的方式，生成稠密的BEV特征；
Decoder模块中，对multi-head self-attention子层、multi-scale deformable cross-attention子层，以及feed forward network (FFN) 子层的代码重构，用以适配J5 BPU；
高效算子替换。根据J5 BPU对算子的支持情况，对在BPU上实现效率低的算子进行替换，在不损失模型精度的前提下，可加快模型在J5 BPU上的推理速度。

在模型上板的过程中，觉非在对MapTR模块和算子替换后重新训练得到基准的fp32浮点模型，对浮点模型进行计算图优化，利用少量校准数据集对模型做量化校准，并编译生成可以在地平线J5上运行的指令集模型。

评测结果表明，在nuScenes验证集下评测精度定点模型达到0.491mAP（fp32浮点模型为0.530mAP）；利用速度测试工具对模型进行推理速度测试，端到端模型在J5双核BPU下的执行速度达到13fps（10fps即满足在线实时建图的最低速度要求）。

此次觉非对MapTR的模型上板，从精度到执行速度均已达到量产车对实时感知的要求，意味着配备地平线J5的量产车将可快速部署在线实时建图能力，“轻地图方案”在建图质量与建图速度上将具备明显优势。

下一阶段，觉非将把此技术能力应用于量产车解决方案实际部署中，不断推动“重感知轻地图”方案的工程化落地。

Data Inspire Autopilot

关于觉非科技

觉非科技是国内领先的自动驾驶感知决策算法与数据服务商，以“多传感器融合计算”为核心技术路线，围绕乘用车出行、干线物流和城市末端三大应用场景，提供跨场景、跨平台、跨终端的智能驾驶解决方案，实现了国内产业领域中少有的“三跨”服务能力。觉非的融合感知系统目前已覆盖车端与路端，构建了适用于全栈自动驾驶的具备“感知-决策-数据”闭环能力的量产方案，以“数据驱动量产化”为核心业务目标，为合作伙伴实现自动驾驶闭环能力。