MapGCLR: Geospatial Contrastive Learning of Representations for Online Vectorized HD Map Construction¶

会议: CVPR 2026
arXiv: 2603.10688
代码: 无
领域: 自动驾驶 / 高精地图构建
关键词: 地理空间对比学习, 在线HD地图, 半监督学习, BEV特征, 多遍历

一句话总结¶

提出 MapGCLR，通过强制地理空间重叠区域的 BEV 特征一致性进行对比学习，在半监督框架下利用少量标注数据和大量无标注多遍历数据，在在线向量化高精地图构建任务上实现 13%-42% 的相对性能提升。

研究背景与动机¶

领域现状：在线高精地图构建已成为自动驾驶中替代离线 HD 地图的可扩展方案。MapTR、MapTRv2、MapTracker 等方法通过 360° 视觉输入实时预测向量化地图元素（车道线、路边界等），但这些监督学习方法仍依赖大量标注数据。

现有痛点：(1) 高精地图标注极其昂贵，需要专业传感器和人工标注；(2) 现有半监督方法（PseudoMapTrainer、Lilja等）依赖伪标签，主要用于语义分割范式而非向量化预测；(3) 现有方法未充分利用多遍历数据中蕴含的地理空间一致性信息。

核心矛盾：标注数据是在线 HD 地图构建的主要瓶颈，而自动驾驶车辆日常行驶中会多次经过相同路段产生大量无标注数据——如何利用这些免费的多遍历数据？

本文目标：在有限标注数据条件下，利用无标注多遍历数据中的地理空间一致性提升 BEV 特征表示质量，从而提升在线向量化 HD 地图构建性能。

切入角度：将不同遍历中地理空间重叠区域的 BEV 网格单元视为"自然增强"，通过对比学习强制这些对应单元的特征一致性。

核心 idea：同一地点不同次经过的 BEV 特征应该相似——用这个约束做对比学习。

方法详解¶

整体框架¶

半监督训练流水线包含两个数据流：(1) 监督分支：少量标注数据通过 MapTRv2 编码器-解码器完整流程，计算监督损失 \(\mathcal{L}_{sup}\)；(2) 自监督分支：大量无标注多遍历数据仅通过编码器生成 BEV 特征网格，利用地理空间对比损失 \(\mathcal{L}_{GCLR}\) 训练。批次中包含 \(n\) 个监督样本和 \(2m\) 个自监督样本（\(m\) 个参考-邻接对）。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
    DATA["多遍历无标注数据 + 少量标注数据"]
    DATA --> D1["多遍历分析与数据划分<br/>位姿转全局系 → 包围盒合多边形 → 标多遍历<br/>建空间图 G=(V,E)，IoU 落区间的位姿对连边"]
    D1 --> PAIR["参考-邻接位姿对 (R, A)"]
    PAIR --> ENC["MapTRv2 编码器<br/>ResNet-50 → BEV 特征网格"]
    ENC -->|"标注分支 (n 样本)"| DEC["地图解码器<br/>Transformer 预测向量化多段线"]
    DEC --> LSUP["监督损失 L_sup"]
    ENC -->|"自监督分支 (2m 样本)"| D2["地理空间对比学习<br/>重叠区采锚点 → 最近邻找正样本 → 随机采负样本<br/>投影头 h: f → z 解耦学习域/应用域"]
    D2 --> D3["InfoNCE 对比损失 L_GCLR<br/>拉近同地点、推远不同地点"]
    LSUP --> COMB["总损失 L_semi = λ_sup·L_sup + λ_GCLR·L_GCLR"]
    D3 --> COMB

关键设计¶

1. 多遍历分析与数据划分：从原始轨迹里自动挖出“同一地点的不同次经过”

对比学习的前提是先找到哪些 BEV 网格其实拍的是同一地点，所以第一步是系统化地把数据集切开。方法把所有位姿转换到全局参考系并按城市分区，对每个遍历根据车辆朝向和感知范围（\(\pm x\) 横向、\(\pm y\) 纵向）算出每个位姿的包围盒并合并成多边形；若该多边形与别的遍历多边形相交就标为“多遍历”，否则为“单遍历”（特例：仅两条轨迹互相交叉的也算单遍历，因为多样性不够）。再进一步建空间图 \(G=(V,E)\)，顶点是位姿、边连接那些感知网格 IoU 落在 \([\text{IoU}_{min}, \text{IoU}_{max}]\) 区间内的位姿对——把 IoU 卡在一个区间，是为了保证两次经过的区域既足够重叠相关、又不是完全相同（否则学不到东西）。

2. 地理空间对比学习：把“同地点不同次经过”当成天然数据增强

SimCLR 靠人工图像增强造正样本对，这里直接用真实世界的地理空间对应替代增强——同一地点不同次开过去本身就是最好的“增强”。给定参考位姿 \(R\) 和邻接位姿 \(A\) 的 BEV 网格 \(B_{SSL,R}\) 和 \(B_{SSL,A}\)，先变换到全局坐标系；正样本是在参考网格重叠区随机采一个 BEV 单元 \(c_a\) 当锚点、再到邻接网格里用最近邻搜索找回相同地理位置的单元 \(c_p\)，负样本则从两个网格里随机采（排除锚点和正样本）。特征 \(\mathbf{f}\) 先经投影头 \(h\) 映射到对比空间 \(\mathbf{z} \in \mathcal{Z}\) 再做对比，把“学习域”和“下游应用域”解耦，避免对比目标直接扰动主干特征。

3. InfoNCE 对比损失：拉近同地点、推远不同地点的 BEV 嵌入

正负样本就位后，用 InfoNCE 把约束写成损失：\(\mathcal{L}_{GCLR} = -\log \frac{\exp(\text{sim}(\mathbf{z}_i, \mathbf{z}_i^+) / \tau)}{\exp(\text{sim}(\mathbf{z}_i, \mathbf{z}_i^+) / \tau) + \sum_{k=1}^K \exp(\text{sim}(\mathbf{z}_i, \mathbf{z}_k^-) / \tau)}\)，其中 \(\text{sim}(\cdot, \cdot)\) 为余弦相似度、\(\tau\) 为温度。它鼓励同一地理位置跨遍历的 BEV 单元嵌入相近、不同位置的相互远离，等于把“同一地点多次观测特征应一致”这条先验直接灌进表示里。

损失函数 / 训练策略¶

总损失为监督损失和对比损失的加权组合：\(\mathcal{L}_{semi} = \lambda_{sup} \mathcal{L}_{sup} + \lambda_{GCLR} \mathcal{L}_{GCLR}\)。权重因子同时起到归一化和控制相对影响力的作用。架构基于 MapTRv2，使用 ResNet-50 骨干提取图像特征并变换为 BEV 表示，解码器使用 Transformer 预测多段线形式的地图元素。单阶段训练，标注和无标注数据在同一批次中混合处理。

实验关键数据¶

主实验¶

监督数据比例	SSL	AP_dsh	AP_sol	AP_bou	AP_cen	AP_ped	mAP	绝对提升	相对提升
2.5%	✗	4.3	5.0	9.6	11.9	1.5	6.5	—	—
2.5%	✓	5.2	6.7	12.2	17.0	1.6	8.5	+2.0	+31%
5%	✗	10.3	9.5	20.5	19.1	7.3	13.3	—	—
5%	✓	15.4	18.7	24.8	25.4	9.9	18.9	+5.6	+42%
10%	✗	17.6	20.9	31.9	27.1	12.4	22.0	—	—
10%	✓	20.8	30.5	34.5	32.4	18.2	27.3	+5.3	+24%
20%	✗	27.2	32.1	38.9	34.7	22.3	31.0	—	—
20%	✓	31.2	38.8	39.9	37.5	26.9	34.9	+3.9	+13%

Argoverse 2 数据集，所有标注比例下 SSL 均带来一致提升。标注越少收益越大：5%时相对提升42%，几乎等于将标注量翻倍。

消融实验 / 扩展分析¶

仅监督数据比例	mAP
2.5%	6.5
5%	13.3
5% + SSL	18.9
10%	22.0
10% + SSL	27.3
20%	31.0
30%	36.6
40%	39.8

5% + SSL (18.9) 接近 10% 纯监督 (22.0)，10% + SSL (27.3) 接近 20% 纯监督 (31.0)。SSL 的效果约等于将标注数据量翻倍。

关键发现¶

定性 PCA 可视化显示，半监督方法的 BEV 特征空间语义分离更清晰，特别是道路边界和自车道的区分
纯监督基线在 BEV 网格固定位置出现异常特征簇（与地理空间无关），地理空间对比学习完全消除了这一伪影
Argoverse 2 中大部分遍历具有多次重叠（从直方图上看），天然适合该方法
标注比例越低，相对提升越大（42% at 5% → 13% at 20%），证明方法在数据稀缺场景特别有价值

亮点与洞察¶

自然增强的发现：将多遍历的地理空间重叠视为"天然数据增强"是核心洞察——不需要人工设计增强策略，真实世界的多次驾驶本身就是最好的增强
简洁有效：整个方法基于 SimCLR 对比学习的简单扩展，不引入复杂模块，但效果显著
数据集分析工具：多遍历分析和空间图构建方法本身就是一个有价值的工具，可用于任何基于多遍历的自动驾驶研究
与向量化方法兼容：相比现有半监督方法仅适用于语义分割范式，MapGCLR 首次在向量化地图构建上实现半监督学习

局限与展望¶

当前仅在 MapTRv2 单帧架构上验证，未集成到带时序记忆的 MapTracker/StreamMapNet 等更强基线
未探索多阶段训练（先自监督预训练再微调）与当前单阶段训练的对比
投影头的设计较为简单（单层），更复杂的投影结构可能进一步提升效果
数据集要求多遍历覆盖，在新开发区域或低频行驶路段可能缺乏重叠数据
未考虑同一位置不同时间下的动态变化（如施工、季节变化）对特征一致性的影响

评分¶

新颖性: ⭐⭐⭐⭐ 地理空间对比学习是简洁而有效的新思路
技术深度: ⭐⭐⭐ 方法相对简单，主要贡献在问题定义和系统设计
实验充分度: ⭐⭐⭐⭐ 多个标注比例的系统实验 + PCA 定性分析
写作质量: ⭐⭐⭐⭐ 逻辑清晰，图表准确
实用价值: ⭐⭐⭐⭐⭐ 直接解决 HD 地图标注成本过高的工业痛点