Bi-Mapper：面向自动驾驶的全局BEV语义建图
计算机视觉与模式识别
2023-09-07 v3 机器人学
图像与视频处理
摘要
涵盖基础道路元素的道路场景语义地图是自动驾驶系统的重要组成部分。当以鸟瞰图（BEV）渲染时，它为定位与规划提供重要的感知基础。当前，假设深度的先验知识可借助标定参数引导将前视视角直接转换为BEV的学习。然而，其在远处物体表示上存在几何畸变。此外，另一类无先验知识的方法可通过全局视图隐式学习前视视角与BEV之间的变换。考虑到不同学习方法的融合可能带来令人惊喜的有益效果，我们提出一种用于自顶向下道路场景语义理解的Bi-Mapper框架，其融合了全局视图与局部先验知识。为增强二者间可靠交互，提出一种异步互学习策略。同时，设计跨空间损失（ASL）以减轻几何畸变的负面影响。在nuScenes和Cam2BEV数据集上的大量结果验证了所提Bi-Mapper框架中各模块的一致有效性。与现有道路建图网络相比，所提Bi-Mapper在nuScenes数据集上实现了2.1%更高的IoU。此外，我们在真实驾驶场景中验证了Bi-Mapper的泛化性能。源代码公开于 https://github.com/lynn-yu/Bi-Mapper。
引用
@article{arxiv.2305.04205,
title = {Bi-Mapper: Holistic BEV Semantic Mapping for Autonomous Driving},
author = {Siyu Li and Kailun Yang and Hao Shi and Jiaming Zhang and Jiacheng Lin and Zhifeng Teng and Zhiyong Li},
journal= {arXiv preprint arXiv:2305.04205},
year = {2023}
}
备注
Accepted to IEEE Robotics and Automation Letters (RA-L). The source code is publicly available at https://github.com/lynn-yu/Bi-Mapper