HRDX：大规模向量高清地图数据集

自动驾驶系统的可靠性高度依赖于高精度、语义丰富且可扩展的向量化高清地图（HD Map）。然而，目前公开的高清地图数据集在规模、语义属性和模态多样性上普遍存在局限，例如缺乏航空影像等关键模态，这限制了新研究方向的发展。针对这一挑战，来自本田研究所（Honda Research Institute）的研究团队推出了HRDX——一个大规模向量高清地图构建数据集，旨在推动自动驾驶领域的科研进展。

HRDX数据集总计包含约40小时、1400公里的驾驶记录，覆盖多条路线且重叠度极低，其规模是此前公开数据集的数倍。数据采集系统由6个同步环绕摄像头、128线激光雷达以及厘米级RTK GNSS/IMU定位系统组成，并辅以精确对齐的航空正射影像（aerial orthoimagery）。这种多模态配置不仅提供了地面视角的丰富信息，还引入了空中视角的结构先验，为后续研究开辟了新路径。

在标注方面，HRDX涵盖了10类向量地图元素（如车道线、路沿、人行横道等），并附加超过20种语义与拓扑属性，例如道路类型、曲率、连接关系等，极大地丰富了地图的语义层次。为了全面评估如此丰富的本体，研究团队提出了综合评分（Composite Score, CS），该评分能够同时衡量地图的几何精度和属性正确性，弥补了传统单一指标的不足。

基准实验表明，HRDX的大规模数据有效提升了在线向量地图构建的性能。此外，对齐的航空影像提供了有用的结构先验：在训练或推理阶段使用航空影像可显著改善地图的几何质量；而利用航空影像增强的教师模型，能够在不增加推理时传感器需求的前提下，将部分优势迁移至纯摄像头学生模型。这意味着，通过知识蒸馏，未来可以在低成本传感器配置下获得接近高级传感器组合的地图构建性能。

HRDX数据集旨在支持大规模高清地图学习、多模态BEV融合以及训练时特权信息的可重复研究。该数据集及基准测试已在GitHub上开源（https://github.com/honda-research-institute/HRDX），供学术界和工业界使用。研究团队表示，HRDX有望成为自动驾驶高清地图领域的新标杆，推动更可靠、更可扩展的地图构建技术的发展。