OneBEV：使用单张全景图像进行鸟瞰图语义建图
计算机视觉与模式识别
2024-09-24 v1
摘要
在自动驾驶领域，鸟瞰图（BEV）感知因其能提供比针孔前视图图像和全景图更全面的信息而日益受到社区关注。传统的 BEV 方法依赖多个窄视场相机和复杂的位姿估计，常面临标定和同步问题。为突破上述挑战的壁垒，本文引入了 OneBEV，一种仅使用单张全景图像作为输入的新型 BEV 语义建图方法，简化了建图过程并降低了计算复杂度。我们专门设计了一个称为 Mamba 视图转换（MVT）的畸变感知模块，用于处理全景图中的空间畸变，在不利用传统注意力机制的情况下将前视图特征转换为 BEV 特征。除了高效的框架外，我们还贡献了为 OneBEV 任务量身定制的两个数据集，即 nuScenes-360 和 DeepAccident-360。实验结果表明，OneBEV 在 nuScenes-360 和 DeepAccident-360 上分别取得了 51.1% 和 36.1% 的 mIoU，达到了 SOTA 性能。这项工作推进了自动驾驶中的 BEV 语义建图，为更先进、更可靠的自动驾驶系统铺平了道路。
引用
@article{arxiv.2409.13912,
title = {OneBEV: Using One Panoramic Image for Bird's-Eye-View Semantic Mapping},
author = {Jiale Wei and Junwei Zheng and Ruiping Liu and Jie Hu and Jiaming Zhang and Rainer Stiefelhagen},
journal= {arXiv preprint arXiv:2409.13912},
year = {2024}
}
备注
Accepted by ACCV 2024. Project code at: https://github.com/JialeWei/OneBEV