基于高斯升降的鱼眼高斯升降：面向全景鱼眼相机的 BEV 特征升降
计算机视觉与模式识别
2025-11-24 v1
摘要
从鱼眼图像进行准确的 BEV 语义分割仍具有挑战性，由于宽角投影固有的极端非线性畸变、遮挡以及深度歧义。我们提出一种基于畸变感知的 BEV 分割框架，直接处理多摄像头高分辨率鱼眼图像，利用已校准的几何反投影和每个像素的深度分布估计。每个图像像素通过高斯参数化升华到 3D 空间，预测空间均值和各向异性协方差，以显式建模几何不确定性。投影到 3D 的高斯分布通过可微分 splatting 融合到 BEV 表示中，生成连续、具备不确定性感知的语义图，无需进行畸变校正或透视正视化。大量实验表明，在复杂的停车场和城市驾驶场景中，本方法在严重鱼眼畸变和多样化环境条件下表现出色，驾驶区域 IoU 为 87.75%，车辆 IoU 为 57.26%。
引用
@article{arxiv.2511.17210,
title = {FisheyeGaussianLift: BEV Feature Lifting for Surround-View Fisheye Camera Perception},
author = {Shubham Sonarghare and Prasad Deshpande and Ciaran Hogan and Deepika-Rani Kaliappan-Mahalingam and Ganesh Sistu},
journal= {arXiv preprint arXiv:2511.17210},
year = {2025}
}
备注
8 pages, 3 figures, published in IMVIP 2025 conference