研究背景 - 自动驾驶产业化对厘米级环境表征提出迫切需求，传统全局高精地图因更新周期长、维护成本高难以适应城市场景快速演化[8] - "无图"方案虽避免依赖全局底图，但在复杂路口等强语义场景易产生单帧幻觉问题[8] - 利用车载传感器算力实现"边行驶边建图"，通过鸟瞰视角即时恢复车道线等矢量要素，形成轻量化可差分更新的局部先验[8] - 局部矢量化高精地图构建以有序点集表示实例，成为连接重地图与无地图范式的关键桥梁[8] 研究现状 - 局部矢量建图技术自2023年以来快速发展，相关论文已超过50篇，但系统性综述仍属空白[8] - 现有综述多将矢量建图作为BEV感知附属章节，对实例级矢量解码等核心问题关注不足[8] - 亟需从任务形式到未来趋势进行全景式梳理，推动该领域从方法涌现走向系统成熟[8] 研究成果 - 首次对局部矢量化高精地图构建领域进行全景式梳理，按真值生成-特征提取-解码重建三环节系统分类[9] - 汇总截至2024年底最完备的性能对照表与公开数据集，涵盖传统测绘到局部语义栅格地图方法[9] - 系统总结真值构建方法，将其划分为局部区域获取与地图元素表征两大步骤[11] - 梳理网络结构特征，按传感器输入模态分类特征提取方法，将地图解码区分为常规元素与中心线解码[13] - 建立三类对比基准表，全面展现各类方法在精度、实时性与架构方面的研究现状[15]