FishBEV：基于鱼眼摄像头的畸变抗鲁棒鸿瞳视图分割

作为自动驾驶的核心技术，鸿瞳视图（BEV）分割最近由于针对针孔摄像头取得了显著进展。然而，将现有方法扩展到具有严重几何畸变、模糊的多视图对应关系以及不可靠时序动态的鱼眼摄像头并非易事，这些因素显著降低了BEV性能。为此，我们提出了FishBEV，一个专为鱼眼摄像头量身定制的新型BEV分割框架。该框架引入了三个互补创新，包括一个在保持尺度一致性的同时学习稳健特征的畸变抗鲁棒多尺度提取（DRME）主干网络，一个利用不确定性估计实现可靠跨视图对齐的不确定性感知空间跨注意力（U-SCA）机制，以及一个自适应平衡近场细节和远场上下文以确保时序一致性的距离感知时序自注意力（D-TSA）模块。大量实验在Synwoodscapes数据集上表明，FishBEV在针对围绕视图鱼眼BEV分割任务的性能评估方面 consistently 超过了SOTA基线。