评估天气诱导传感器遮挡对 BEVFusion 3D 对象检测的影响
计算机视觉与模式识别
2025-11-07 v1
摘要
准确的 3D 对象检测对于自动驾驶车辆在复杂真实环境中安全导航至关重要。鸡瞰视图 (BEV) 表示将多传感器数据投影到俯视空间格式，已成为一种强大的做法，以实现稳健的感知。尽管 BEV 基于的融合架构通过多模态集成Demonstrated了强大的性能，但传感器遮挡（由雾、雾霾或物理遮挡引起）对 3D 检测准确性的影响仍未得到充分探讨。本文研究了遮挡对相机和激光雷达 (LiDAR) 输出的影响，使用 BEVFusion 架构，在 nuScenes 数据集上进行评估。检测性能使用平均精度 (mAP) 和 nuScenes 检测得分 (NDS) 进行衡量。我们的结果表明，中度相机遮挡导致 mAP 下降 41.3%（从 35.6% 下降到 20.9%），仅基于相机的检测表现如此。相反，LiDAR 在重度遮挡下性能急剧下降，mAP 下降 47.3%（从 64.7% 下降到 34.1%），对远距离检测影响尤为严重。在融合设置中，效果取决于哪个传感器被遮挡：遮挡相机导致_minor_ 4.1% 的下降（从 68.5% 下降到 65.7%），而遮挡 LiDAR 导致更大的 26.8% 的下降（下降到 50.1%），揭示了该模型在 3D 对象检测任务中对 LiDAR 的更强依赖。我们的结果突显了未来研究针对遮挡感知评估方法和改进传感器融合技术的需要，这些技术能够在环境恶劣导致的部分传感器故障或性能下降的情况下维持检测准确性。
引用
@article{arxiv.2511.04347,
title = {Evaluating the Impact of Weather-Induced Sensor Occlusion on BEVFusion for 3D Object Detection},
author = {Sanjay Kumar and Tim Brophy and Eoin Martino Grua and Ganesh Sistu and Valentina Donzella and Ciaran Eising},
journal= {arXiv preprint arXiv:2511.04347},
year = {2025}
}