本研究提出了VectorMapNet，一种端到端矢量化高清地图学习管道，能够预测鸟瞰图中的稀疏折线。实验结果显示，VectorMapNet在地图学习性能上优于以前的方法。

通过使用高清地图，设计了一种单级探测器，能够提取几何和语义特征，并提出地图预测模块，从而提高三维物体探测器的效能和稳健性。实验证明该探测器在有无地图情况下优于现有技术水平，每秒20帧的运行速度。

该研究提出了一种利用高清地图中交通信号灯分配信息的新方法，通过分析交通信号灯状态和车辆运动模式自动推导交通灯分配，解决了信息手动提供的问题，并提供了数据集转换方法和公开 API，方便研究人员开发和评估自己的方法。

本文介绍了一种从高清地图中提取几何和语义特征的单级探测器，并提出了一个地图预测模块，可以从原始 LiDAR 数据中实时估计地图。实验结果表明，该探测器在有地图和无地图情况下都优于现有技术水平，并且整个框架的运行速度达到了每秒 20 帧。

本文介绍了一种利用高清地图提取几何和语义特征的单级探测器，并提出了一个地图预测模块，可以实时估计地图。实验结果表明，该探测器在有无地图情况下均优于现有技术水平，且运行速度达到每秒20帧。