参考代码：StreamMapNet
动机与主要贡献
之前的局部地图感知方案所预测的距离都比较近，远了之后性能会下降比较多。这篇文章从如下两个角度进行改进：
- 1）原本的地面元素表示是基于1个query中心，这下为了让query适应地面元素，1个instance会有多个query点
- 2）在query和BEV featrue两个维度中引入时序，增强对环境变化的感知能力，这样就可以增加感知的范围，从原来的 60 ∗ 30 → 100 ∗ 50 60*30\rightarrow 100*50 60∗30→100∗50
整体上文章的方法是基于MapTR的（参考了它的车道线回归和匹配机制），主要的工作是使用多个query-point去做deformable attention，以及增加时序上的信息融合，算是一些trick的叠加，当作一些trick效果的验证就好。
结构框图
文章算法的结构框图见下图所示：
可以看到文章方法在BEV feature和bev obj query（参考Sparse4D系列）上均做了时序信息融合，使用memory buffer去存储对应信息。
多点query参与attention
在原本的deformable attention中只有一个中心，但是这样的信息抓取方式是不适合那些空间跨度比较大的情况的，如车道线，则应该对于每个query point去做deformable信息抓取，也就是下图中的这样
BEV feature和instance query的时序融合
BEV空间的特征融合参考GRU的形式实现（前一帧和当前帧也是需要依据位姿空间对齐的），见下图：
instance query上在第一层transformer使用初始化，下一层会对当前层输出的query按照置信度排序，选择那些高质量的query。此外还会通过时许方式引入前一帧的query（参考Sparse4D）
实验结果对比
Argoverse2数据集：
NuScenes数据集：
