CSMapping: Scalable Crowdsourced Semantic Mapping and Topology Inference for Autonomous Driving

📄 arXiv: 2512.03510v1 📥 PDF

作者: Zhijian Qiao, Zehuan Yu, Tong Li, Chih-Chung Chou, Wenchao Ding, Shaojie Shen

分类: cs.CV, cs.RO

发布日期: 2025-12-03

💡 一句话要点

提出CSMapping以解决低成本传感器噪声影响的地图构建问题

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 众包地图构建 语义映射 拓扑映射 潜在扩散模型 自动驾驶 高斯基函数重参数化 约束MAP优化

📋 核心要点

  1. 现有众包地图构建方法在面对低成本传感器噪声时，难以保证地图质量的提升。
  2. CSMapping通过训练潜在扩散模型，结合约束MAP优化，解决了噪声影响下的地图构建问题。
  3. 在多个数据集上的实验表明，CSMapping在语义和拓扑映射性能上达到了最先进水平，具有良好的扩展性。

📝 摘要（中文）

众包技术使得自主驾驶地图构建具备可扩展性，但低成本传感器的噪声限制了数据量增加时质量的提升。本文提出CSMapping系统，能够生成准确的语义地图和拓扑道路中心线，其质量随着众包数据的增加而持续提升。在语义映射方面，作者训练了一个潜在扩散模型，利用高清地图学习真实世界地图结构的生成先验，且无需成对的众包/高清地图监督。该先验通过潜在空间中的约束MAP优化结合，确保对严重噪声的鲁棒性和未观测区域的合理补全。实验结果表明，该方法在nuScenes、Argoverse 2和一个大型专有数据集上达到了最先进的语义和拓扑映射性能。

🔬 方法详解

问题定义：本文旨在解决低成本传感器噪声对众包地图构建质量的影响，现有方法在数据量增加时难以提升地图的准确性和可靠性。

核心思路：CSMapping通过训练潜在扩散模型，学习真实世界地图结构的生成先验，并结合约束MAP优化，确保在噪声环境下的鲁棒性和合理补全。

技术框架：系统主要包括潜在扩散模型训练、向量化映射模块初始化、扩散反演、优化过程（高效的高斯基函数重参数化、投影梯度下降和潜在空间因子图）等模块。

关键创新：最重要的创新在于引入了潜在扩散模型和约束MAP优化的结合，使得系统在面对严重噪声时依然能够保持高质量的地图生成。

关键设计：在模型训练中，采用了无监督学习策略，并在优化过程中使用了多起始点的投影梯度下降，确保全局一致性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在nuScenes、Argoverse 2和一个大型专有数据集上的实验结果显示，CSMapping在语义和拓扑映射性能上达到了最先进的水平，具体性能提升幅度超过现有基线，展现出良好的扩展性和鲁棒性。

🎯 应用场景

CSMapping的研究成果在自动驾驶领域具有广泛的应用潜力，能够为城市交通管理、自动驾驶车辆导航和环境感知等提供高质量的地图支持。随着众包数据的不断积累，该系统能够持续优化地图质量，提升自动驾驶的安全性和可靠性。

📄 摘要（原文）

Crowdsourcing enables scalable autonomous driving map construction, but low-cost sensor noise hinders quality from improving with data volume. We propose CSMapping, a system that produces accurate semantic maps and topological road centerlines whose quality consistently increases with more crowdsourced data. For semantic mapping, we train a latent diffusion model on HD maps (optionally conditioned on SD maps) to learn a generative prior of real-world map structure, without requiring paired crowdsourced/HD-map supervision. This prior is incorporated via constrained MAP optimization in latent space, ensuring robustness to severe noise and plausible completion in unobserved areas. Initialization uses a robust vectorized mapping module followed by diffusion inversion; optimization employs efficient Gaussian-basis reparameterization, projected gradient descent zobracket multi-start, and latent-space factor-graph for global consistency. For topological mapping, we apply confidence-weighted k-medoids clustering and kinematic refinement to trajectories, yielding smooth, human-like centerlines robust to trajectory variation. Experiments on nuScenes, Argoverse 2, and a large proprietary dataset achieve state-of-the-art semantic and topological mapping performance, with thorough ablation and scalability studies.