源码详解:Vectornet源码详解_樱花的浪漫的博客-CSDN博客
源码见文末
Abstract
本篇论文主要做了三个方面的事情:
-
特征工程
不同与以前的方法,将车辆行驶收集的信息用一张全局的图像来表示,论文提出用向量表示车辆行驶过程中收集的各种信息。
2. 层次图神经网络
论文构建了一种层次图神经网络,层次,即首先各个实体比如车辆、红绿灯等自身构建一个子图,然后将这些子图再连接成一层图。
3.辅助任务
为了进一步提高向量网络学习上下文特征的能力,作者提出了一种新的辅助任务,即对图随机进行mask,然后对mask部分做预测,也就是一个良好的网络结构不仅能够预测好其本身的任务,而且能够对图中缺失的结点做好预测。
1. Introduction
(1) 如何将车辆行驶收集的信息向量化表示
作者指出:道路特征的地理范围可以是地理坐标中的点、多边形或曲线。例如,一个车道边界包含多个构建样条曲线的控制点;人行横道是由多个点定义的多边形;停止标志由单个点表示。所有这些地理实体都可以紧密地近似为由多个控制点