HDMap-SLRC：融合HD地图中心线初始化与语义地标残差修正的单目道路场景地理配准框架

《Sensors》：HDMap-SLRC: Semantic-Landmark Residual Correction for Monocular HD-Map Georeferencing

　　

低成本单目相机能够对道路场景进行三维重建，但其重建尺度与局部坐标框架必须与绝对空间参考建立联系。研究人员提出HDMap-SLRC，一种结合HD地图（High-Definition Map, HD map）中心线对齐与语义地标残差修正的离线地理配准（georeferencing）框架。几何阶段建立地图参照轨迹，高斯过程（Gaussian process, GP）模块根据稀疏语义观测估计保守的沿路线修正量。在主序列中，相对于4自由度（4-DOF）基线，交通灯地图参照误差由24.81 m降至5.87 m，杆状物误差由19.78 m降至11.21 m，道路横向距离的95百分位（95th percentile, p95）由5.302 m降至2.741 m。地标指标被解释为地图一致性，并考虑修正输入与评估流程之间的关系。在主序列的两个重建变体上，跨28种参数配置，道路横向p95的范围约为其均值的3.0%。在包含四段、992 m和160帧的额外Yeouido采集中，相对于RTK-GNSS/INS（实时动态全球导航卫星系统/惯性导航系统）参考的分段中位数水平轨迹误差均值由21.16 m降至10.55 m。对已保存几何阶段进行的尺度扰动分析考察了输入尺度变化如何传播至对齐位置。结果支持分阶段地理配准结构在所评估条件下的可行性。剩余米级误差尚不能确立其适用于车道级自动驾驶，且跨天气、光照和城市布局的泛化性仍未经验证。

研究背景方面，自动驾驶与道路空间信息建设推动低成本单目相机三维重建作为LiDAR的经济替代方案，但单目重建仅恢复至未知尺度，且处于无绝对基准的局部坐标框架中；开阔天空下GNSS轨迹可提供尺度和绝对基准，但城市峡谷中的多径与信号遮挡使GNSS解算不可靠，而该类区域恰恰具有密集道路设施和较高制图价值。因此，地理配准（georeferencing，将重建转换为可量测绝对空间数据）需要其他绝对参考。HD地图（High-Definition Map, HD map）已编码绝对框架下的道路中心线、高程及交通灯、杆状物等语义地标层，具有吸引力。单一全局相似变换可确定整体位置、姿态和尺度，但不能消除沿路线变化的空间偏差；提高修正灵活性可改善观测地标处的一致性，却可能影响初始道路对齐。故核心问题是如何将地标导出的修正传播至重建场景，并同时评估位置改善与几何对齐保持。

研究人员提出HDMap-SLRC两阶段地理配准结构，将连续HD地图中心线几何初始化与语义地标残差修正结合：初始化将重建置于地图参照道路几何中，残差修正纳入语义观测提供的沿路线位置信息，并将修正应用于重建场景的地理配准而非仅限单个地标坐标。研究基于对象位置和道路对齐指标比较修正模型，主序列与额外Yeouido采集均表明分阶段结构在评估条件下可行，但剩余米级误差尚不足以确立车道级自动驾驶适用性；粗道路段优先用于后续检查和精确测绘是潜在应用，其运行价值仍需验证。

关键技术方法（不超过250字）：主序列由Samsung Galaxy S26智能手机标准录像模式采集并启用自动图像稳定；额外Yeouido移动测绘采集含四段、992 m、160帧，并提供RTK-GNSS/INS参考轨迹。视频按2 fps、1920×1080抽帧，经语义分割和目标检测聚类交通灯与杆状物。HD地图中心线用于几何初始化并估计尺度与地图参照轨迹；SLRC-GP采用RBF（radial basis function，径向基函数）核GP后验均值、置信度加权观测、等张回归（isotonic regression）和路线范围裁剪进行残差修正。研究比较Soft-DTW（soft dynamic time warping，软动态时间规整）、Farneb?ck光流及混合模型，并与4-DOF、点线ICP（iterative closest point，迭代最近点）等基线对照；主单目重建使用VGGT-family模型。

研究结果：
4.1 Comparison with the Conventional 4-DOF Alignment（与传统4-DOF对齐比较）：通过主序列对比研究得出，HDMap-SLRC相对传统4-DOF对齐将交通灯地图参照误差由24.81 m降至5.87 m、杆误差由19.78 m降至11.21 m、道路横向p95由5.302 m降至2.741 m；初始对齐交通灯误差为5.97 m，GP进一步将初始杆误差17.47 m和横向p95 3.119 m降至11.21 m和2.741 m；Road-Z残差在4-DOF、初始对齐和GP修正后分别为0.794 m、0.293 m和0.280 m。该比较说明中心线初始化和语义残差修正带来分阶段地理配准性能变化，Road-Z残差按地图一致性解释。

4.2 Effect of Semantic-Landmark Correction and Model Comparison（语义地标修正效果与模型比较）：通过同一输入下的模型比较得出，SLRC-GP将初始对齐后的杆误差由17.47 m降至11.21 m、道路横向p95由3.119 m降至2.741 m，并在比较模型中取得最低杆误差；Farneb?ck + SLRC-GP取得略低横向p95（2.730 m对2.741 m），但运行时间为17.7 s，而SLRC-GP为10.7 s，约0.01 m差异未评估统计显著性；由于修正后重新聚类，杆误差降低不能解释为固定独立测试对象上的改进。研究人员基于杆一致性、道路对齐、运行时间和实现简单性将SLRC-GP保留为默认修正模块。

4.3 Performance Validation of HDMap-SLRC（HDMap-SLRC性能验证）：通过主序列两个重建变体、观测噪声σ_n∈{1, 3, 5} m与杆锚比例{0, 0.25, 0.50, 0.75}交叉的24种配置，并加入λ=0.1、0.2、0.3、0.5的4种配置，共28次运行，得出道路横向p95范围为2.747–2.831 m，范围约为均值3.0%，σ_n=5.0 m时均值最低且范围最窄；四个λ值下横向p95为2.750–2.752 m。这些为同一主采集的配置比较，不是28次独立采集。通过额外Yeouido四段992 m、160帧、RTK-GNSS/INS参考评估得出，参考水平不确定度中位9.40 cm、p95 17.36 cm；四段中位数等权均值由4-DOF的21.16 m、HDMap-init的11.56 m降至HDMap-SLRC的10.55 m，低于点线ICP的21.89 m和15.86 m；p95均值由40.66 m降至28.36 m再降至24.92 m；分段中位误差在Segment 2由16.91 m降至10.51 m，在Segment 1由9.65 m升至11.97 m，Segment 3不变，Segment 4由9.56 m微升至9.59 m；合并160帧分布中位数由10.63 m升至10.97 m，而p95由33.21 m降至27.55 m、RMSE由17.33 m降至15.35 m。该验证表明残差修正主要降低大误差而非使各段均匀改善。

4.4 Scale-Error Propagation Through the Geometric Stage（几何阶段尺度误差传播）：通过固定四个Yeouido段的已保存重建轨迹和地图路线，施加?20%、?10%、?5%、0%、+5%、+10%、+20%尺度扰动并重算28个段–条件组合得出，0%条件精确重现已保存初始对齐的160个水平位置；?10%时四段中位数均值由基线11.56 m降至7.86 m，+10%时升至17.87 m，此种不对称反映其与既有重建及路线条件的交互，?10%并非依据评估参考选定的新尺度；相对基线的最大输出位移为?10%时34.71 m、+10%时31.35 m；+20%时30帧被裁剪至路线端点，故输出位移受限不解释为方法鲁棒性。该分析说明安装高度和相机–道路分离的不确定性经尺度传播至位置。

4.5 GP Length-Scale Sensitivity and Residual-Prediction Validation（GP长度尺度敏感性与残差预测验证）：通过将长度尺度设为0.1、0.2、0.3、0.5、0.7，并固定名义观测噪声5 m、核信号方差1 m²、观测置信度处理和辅助边界观测得出，?=0.3时留一杆锚残差预测MAE相较无GP校正条件分别降低约11.0%和15.5%；条件1最低MAE出现在?=0.7（6.561 m），条件2最低出现在?=0.3（5.170 m）；条件1下?=0.3的MAE为6.600 m，仅比最小值高0.039 m，故?=0.3在两种处理条件下均具竞争性。该比较是等张回归和路线范围裁剪前GP后验均值阶段的补充分析，并非完整管线绝对定位精度评估。

讨论总结：HDMap-SLRC的关键在于在不同对齐阶段分别使用连续道路几何与稀疏语义观测：中心线初始化建立单目重建的地图参照位置和姿态，语义残差修正调整初始化后剩余的沿路线位置偏差。主序列中初始对齐相对4-DOF基线显著改善地图一致性，随后SLRC-GP进一步降低杆误差和道路横向p95，说明由中心线几何建立整体对齐结构、由地标观测细化修正的分阶段方法有效。修正模型选择应综合对象定位、道路对齐和计算成本；SLRC-GP以最低杆地图参照误差和10.7 s运行时间被选为默认模块，而Farneb?ck + SLRC-GP虽横向p95略低但运行时间更长。Yeouido场景用参考轨迹评估水平定位误差，以区别于地图一致性；分段统计与合并帧统计分别描述分段相关修正效应和总体误差分布。尺度扰动分析表明明确相机–道路分离和垂直轴约定对基于高度的尺度估计很重要。剩余米级误差限制应用范围：5.87 m交通灯值为受锚组成、修正后聚类和关联流程影响的地图一致性度量，并非完整场景独立绝对定位精度；Yeouido在参考辅助路线选择下四段中位水平误差均值为10.55 m，不证明可满足分米或厘米级车道级应用，也不支持直接用于精确车道保持或路径规划；粗路段优先检查和精确测绘仍是潜在用途，需应用级评估位置容差、目标空间单元、漏检变化和误报。经验范围亦有限：评估包括一个主采集和一个额外Yeouido采集的四段，而非广泛独立采集路线，复杂交叉口、强弯曲路线和多样城市布局未系统覆盖，雨、雪和夜间光照未系统评估；此类条件下图像质量与场景外观变化可能削弱重建、道路分割、地标检测和地图关联，减少修正锚数量与可靠性，尽管GP修正阶段本身无需重训练。修正效果也随段变化：从HDMap-init到HDMap-SLRC，合并帧中位数由10.63 m略升至10.97 m，而p95和RMSE下降，表明残差修正主要减少大误差而非均匀改善每段。实验比较用4-DOF、点线ICP、光流和Soft-DTW基线隔离几何对齐与残差修正，未包含与完整视觉定位或GNSS–视觉–惯性系统的匹配基准；此类基准需兼容传感器观测、记录校准与同步，以及区分地图一致性和参考轨迹精度的共同协议，故报告改进应相对于所评估基线和条件解读。

研究结论（翻译）：本研究提出HDMap-SLRC，一种结合HD地图中心线初始化与语义地标残差修正的单目道路场景地理配准框架。相对于传统4-DOF对齐，在主序列中交通灯地图参照误差由24.81 m降至5.87 m，杆误差由19.78 m降至11.21 m，道路横向p95由5.302 m降至2.741 m。在额外Yeouido采集中，相对于参考轨迹的四段中位数水平误差均值由21.16 m降至10.55 m。贡献在于一种结构，顺序结合连续中心线几何与稀疏语义观测，并将所得修正应用于重建场景的地理配准，而非仅作用于单个对象。研究人员还使用对象位置和道路对齐指标比较修正模型；在所评估条件下，基于杆–地图一致性、道路对齐和计算效率选择SLRC-GP为默认模块。修正参数比较和几何阶段尺度扰动进一步表征了对设置变化的响应。当前经验评估包括主序列和来自单独Yeouido采集的四段。剩余米级误差尚不能确立其适用于车道级自动驾驶，粗路段筛选的运行价值仍需证明。未来工作应在独立采集路线上、在不同天气、光照、城市布局和相机安装条件下评估固定设置；还应建立物理对象层面分离的测试集，记录采集与参考系统条件，评估无参考辅助的路线选择，并纳入与先进定位和传感器融合系统的匹配比较。