RESAR-BEV：面向 BEV 分割的可解释化学生进化方法，用于相机-雷达融合
计算机视觉与模式识别
2026-03-06 v2
摘要
鸟瞰视角 (BEV) 语义分割为自动驾驶提供全面的环境感知，但受多模态错位和传感器噪声的制约。我们提出 RESAR-BEV，一种渐进式细化框架，超越单步骤 end-to-end 方法：(1) 通过 residual autoregressive learning 实现渐进式细化，将 BEV 分割分解为可解释的粗到细阶段，通过我们的 Drive-Transformer 和 Modifier-Transformer 残差预测级联架构；(2) 结合地面近距离体素与自适应高度偏移和 dual-path voxel feature encoding (max+attention pooling) 实现稳健的 BEV 表示，以高效特征提取；(3) 采用离线 Ground Truth 分解和在线联合优化实现解耦监督，防止过拟合并确保结构一致性。在 nuScenes 上的实验表明，RESAR-BEV 在 7 个关键驾驶场景类别上实现了 54.0% mIoU，实现了 14.6 FPS 的实时性能。该框架在长程感知和恶劣天气条件下的挑战场景中表现出稳健性。
引用
@article{arxiv.2505.06515,
title = {RESAR-BEV: An Explainable Progressive Residual Autoregressive Approach for Camera-Radar Fusion in BEV Segmentation},
author = {Zhiwen Zeng and Yunfei Yin and Zheng Yuan and Argho Dey and Xianjian Bao},
journal= {arXiv preprint arXiv:2505.06515},
year = {2026}
}
备注
This work was submitted to IEEE Transactions on Intelligent Transportation Systems (T-ITS) on 09-May-2025; revised 5 October 2025 and 26 January 2026; accepted 1 March 2026