面向基础设施感知的无标定 BEV 表示
计算机视觉与模式识别
2023-04-17 v2
摘要
基础设施上有效的 BEV 目标检测可极大改善交通场景理解及车路协同（V2I）感知。然而，安装在基础设施上的摄像头具有多种姿态，且以往的 BEV 检测方法依赖精确标定，由于不可避免的自然因素（如风、雪）难以在实际应用中实现。本文提出一种无标定 BEV 表示（CBR）网络，其在无需标定参数和额外深度监督的情况下基于 BEV 表示实现 3D 检测。具体而言，我们利用两个多层感知机在框诱导的前景监督下，将特征从透视视图解耦至前视图和鸟瞰视图。随后，一个跨视图特征融合模块根据相似性匹配来自正交视图的特征，并利用前视图特征进行 BEV 特征增强。在 DAIR-V2X 上的实验结果表明，CBR 在没有任何相机参数的情况下取得了可接受的性能，并且自然不受标定噪声影响。我们希望 CBR 能作为未来研究解决基础设施感知实际挑战的基线。
引用
@article{arxiv.2303.03583,
title = {Calibration-free BEV Representation for Infrastructure Perception},
author = {Siqi Fan and Zhe Wang and Xiaoliang Huo and Yan Wang and Jingjing Liu},
journal= {arXiv preprint arXiv:2303.03583},
year = {2023}
}