SparseDrive：基于稀疏场景表示的端到端自动驾驶系统

SparseDrive：基于稀疏场景表示的端到端自动驾驶系统

【免费下载链接】SparseDrive项目地址: https://gitcode.com/gh_mirrors/sp/SparseDrive

SparseDrive是一个基于稀疏场景表示的端到端自动驾驶系统，它通过创新的Sparse-Centric范式统一处理多个任务。该项目不仅在性能上超越现有最先进方法，还在训练和推理效率上表现出色，是自动驾驶领域的突破性进展。

核心技术架构

SparseDrive首先将多视角图像编码为特征图，然后通过对称稀疏感知技术学习稀疏场景表示，最后以并行方式执行运动预测和规划。系统设计了实例记忆队列用于时间建模，确保在连续帧处理中保持高效和准确。

SparseDrive系统概览：包含图像编码器、实例记忆队列、对称稀疏感知和并行运动规划器

对称稀疏感知技术

对称稀疏感知模块统一了检测、跟踪和在线地图构建，采用对称结构设计。该技术通过Topk选择、实例记忆队列、时间传播等机制，实现了高效的多模态特征融合和时空注意力机制。

对称稀疏感知架构：统一检测、跟踪和在线地图构建的对称结构

并行运动规划器

SparseDrive提出了并行运动规划器，同时进行运动预测和规划任务。该规划器采用分层规划选择策略，并结合碰撞感知重评分模块，显著提升了规划性能。

并行运动规划器结构：同时执行运动预测和规划，输出安全规划轨迹

性能表现卓越

在nuScenes基准测试中，SparseDrive在各项指标上均超越了现有最先进方法，特别是在安全性关键的碰撞率指标上表现尤为突出。

主要性能指标对比

方法	NDS	AMOTA	minADE (m)	L2 (m) Avg	Col. (%) Avg	训练时间 (h)	FPS
UniAD	0.498	0.359	0.71	0.73	0.61	144	1.8
SparseDrive-S	0.525	0.386	0.62	0.61	0.08	20	9.0
SparseDrive-B	0.588	0.501	0.60	0.58	0.06	30	7.3

规划任务详细结果

方法	L2 (m) 1s	L2 (m) 2s	L2 (m) 3s	L2 (m) Avg	Col. (%) 1s	Col. (%) 2s	Col. (%) 3s	Col. (%) Avg
UniAD	0.45	0.70	1.04	0.73	0.66	0.66	0.72	0.68
SparseDrive-S	0.30	0.58	0.95	0.61	0.01	0.05	0.23	0.10

快速开始指南

想要立即体验SparseDrive？项目提供了详细的快速开始文档：

快速开始文档：docs/quick_start.md

通过快速开始指南，您可以快速完成环境配置、数据准备、模型训练和推理测试等步骤，快速上手这一先进的自动驾驶系统。

项目优势特点

• 高性能表现：在nuScenes基准测试中全面超越现有方法，碰撞率指标表现尤其突出
• 高效率运行：训练和推理效率远超同类方法，能够在更短时间内完成复杂任务
• 模块化设计：采用模块化设计，易于扩展和定制，适应不同应用需求
• 开源社区支持：拥有活跃的社区支持，用户可以轻松获取代码、模型和文档

应用场景广泛

SparseDrive适用于多种自动驾驶场景：

• 城市道路驾驶：在复杂城市环境中高效处理多变交通状况
• 高速公路驾驶：快速响应突发情况，确保驾驶安全
• 停车场导航：在狭窄环境中精准识别障碍物，实现精确导航

技术发展前景

SparseDrive不仅是技术先进的自动驾驶系统，更是开放、高效、易用的开源项目。无论您是研究者、开发者还是自动驾驶爱好者，SparseDrive都值得深入探索。

该项目通过稀疏场景表示技术，为端到端自动驾驶提供了新的解决方案，在保持高性能的同时显著提升了效率，为自动驾驶技术的实际应用奠定了坚实基础。

【免费下载链接】SparseDrive项目地址: https://gitcode.com/gh_mirrors/sp/SparseDrive