GaussianCaR：面向高效相机-雷达融合的高斯泼溅

对动态物体和地图元素的鲁棒且精确的感知对于自动驾驶汽车在复杂交通场景中安全导航至关重要。尽管纯视觉方法因其技术进步已成为事实上的标准，但它们可以从与雷达测量的有效且成本效益高的融合中受益。在这项工作中，我们通过将高斯泼溅重新用作一种高效的通用视角变换器来推进融合方法，该变换器弥合了视角差异，将图像像素和雷达点都映射到共同的鸟瞰图表示中。我们的主要贡献是GaussianCaR，一个用于鸟瞰图分割的端到端网络，与先前的鸟瞰图融合方法不同，它利用高斯泼溅将原始传感器信息映射到潜在特征中，以实现高效的相机-雷达融合。我们的架构将多尺度融合与变换器解码器相结合，以高效提取鸟瞰图特征。实验结果表明，我们的方法在nuScenes数据集上的鸟瞰图分割任务中（车辆、道路和车道分隔线的IoU分别为57.3%、82.9%和50.1%）达到了与最先进方法相当甚至更优的性能，同时保持了3.2倍的更快推理速度。代码和项目页面可在线获取。