5分钟上手MapTR：快速搭建你的第一个自动驾驶地图构建系统

5分钟上手MapTR：快速搭建你的第一个自动驾驶地图构建系统

【免费下载链接】MapTR [ICLR'23 Spotlight] MapTR: Structured Modeling and Learning for Online Vectorized HD Map Construction 项目地址: https://gitcode.com/gh_mirrors/ma/MapTR

MapTR是一个基于深度学习的自动驾驶地图构建系统，能够利用车载传感器数据实时构建高精度矢量地图。本文将带你快速入门MapTR，在5分钟内完成环境搭建并运行你的第一个地图构建任务。

什么是MapTR？

MapTR是ICLR'23 Spotlight论文提出的结构化建模与学习框架，专为在线矢量化高清地图构建设计。它创新性地将传感器数据转换为鸟瞰图（BEV）特征，通过Transformer解码器实现端到端的地图元素预测，支持车道线、人行道、边界等多种道路元素的精确提取。

MapTR系统框架展示了从传感器数据到矢量地图的完整流程，包括BEV特征提取和Transformer解码过程

准备工作：环境搭建

1. 创建虚拟环境

首先创建并激活一个conda虚拟环境：

conda create -n maptr python=3.8 -y
conda activate maptr

2. 安装依赖库

安装PyTorch和必要的深度学习库：

pip install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio==0.9.1 -f https://download.pytorch.org/whl/torch_stable.html
pip install mmcv-full==1.4.0
pip install mmdet==2.14.0
pip install mmsegmentation==0.14.1
pip install timm

3. 获取MapTR代码

克隆MapTR仓库：

git clone https://gitcode.com/gh_mirrors/ma/MapTR
cd MapTR

4. 安装项目依赖

cd mmdetection3d
python setup.py develop

cd ../projects/mmdet3d_plugin/maptr/modules/ops/geometric_kernel_attn
python setup.py build install

cd ../../../../..
pip install -r requirement.txt

5. 下载预训练模型

mkdir ckpts
cd ckpts
wget https://download.pytorch.org/models/resnet50-19c8e357.pth
wget https://download.pytorch.org/models/resnet18-f37072fd.pth
cd ..

数据准备：构建你的地图数据库

1. 下载nuScenes数据集

从nuScenes官网下载V1.0完整数据集和CAN总线扩展数据，解压后放在data/nuscenes目录下。

2. 准备CAN总线数据

unzip can_bus.zip
mv can_bus data/

3. 生成数据集标注

python tools/create_data.py nuscenes --root-path ./data/nuscenes --out-dir ./data/nuscenes --extra-tag nuscenes --version v1.0 --canbus ./data

数据集目录结构应如下：

MapTR
├── data/
│   ├── can_bus/
│   ├── nuscenes/
│   │   ├── maps/
│   │   ├── samples/
│   │   ├── sweeps/
│   │   ├── v1.0-trainval/
│   │   ├── nuscenes_infos_temporal_train.pkl
│   │   └── nuscenes_infos_temporal_val.pkl

快速上手：训练与测试

开始训练

使用8块GPU训练MapTR模型：

./tools/dist_train.sh ./projects/configs/maptr/maptr_tiny_r50_24e.py 8

模型评估

./tools/dist_test_map.sh ./projects/configs/maptr/maptr_tiny_r50_24e.py ./path/to/ckpts.pth 8

MapTR的实际效果展示

MapTR能够在各种天气条件下稳定工作，无论是晴天、雨天还是夜晚，都能准确提取道路元素：

MapTR在多云、晴天、雨天和夜晚等不同环境下的地图构建效果对比

从传感器输入到最终地图输出的完整流程：

MapTR从多视角图像和LiDAR数据中提取特征，生成精确的矢量地图

进一步学习资源

• 官方文档：docs/install.md
• 数据集准备：docs/prepare_dataset.md
• 训练与评估：docs/train_eval.md
• 配置文件：projects/configs/maptr/

通过以上步骤，你已经成功搭建了MapTR自动驾驶地图构建系统。这个强大的工具可以帮助你实现从传感器数据到高精度地图的实时转换，为自动驾驶应用提供关键的环境感知能力。现在就开始探索MapTR的更多高级功能吧！🚗💨

【免费下载链接】MapTR [ICLR'23 Spotlight] MapTR: Structured Modeling and Learning for Online Vectorized HD Map Construction 项目地址: https://gitcode.com/gh_mirrors/ma/MapTR