BEVMAPMATCH：用于自主车辆鲁棒性再定位的多模态BEV神经图匹配
计算机视觉与模式识别
2026-03-30 v1
摘要
在GNSS 被禁用或GNSS 质量下降的环境中，定位是自主车辆安全广泛部署的挑战。此类GNSS受限环境需要替代方法以实现可靠定位。在本工作中，我们提出了 BEVMapMatch，一个在已知地图上进行稳健车辆再定位的框架，无需GNSS先验。BEVMapMatch 使用基于跨注意力的搜索机制，将激光雷达和摄像头融合以生成双眼视图（BEV）分割图，这些分割图在良好和恶劣天气条件下都可用。生成的BEV分割图随后用于检索地图块的候选位置进行图匹配。最后，BEVMapMatch 使用获取的top候选位置对生成的BEV分割进行更精细的对齐，从而实现准确的全局定位，无需GNSS。多个帧生成的BEV分割进一步提高了定位精度。广泛的评估显示，BEVMapMatch 在GNSS 被禁用和恶劣环境下的再定位性能优于现有方法，Recall@1m 为 39.8%，约为最佳再定位基线的两倍。我们的代码和数据将在 https://github.com/ssuralcmu/BEVMapMatch.git 上公开。
关键词
引用
@article{arxiv.2603.25963,
title = {BEVMAPMATCH: Multimodal BEV Neural Map Matching for Robust Re-Localization of Autonomous Vehicles},
author = {Shounak Sural and Ragunathan Rajkumar},
journal= {arXiv preprint arXiv:2603.25963},
year = {2026}
}
备注
8 pages, 5 figures