SB-BEVFusion：增强对传感器故障和损坏的鲁棒性
计算机视觉与模式识别
2026-05-13 v1
摘要
多模态传感器融合在自动驾驶车辆的3D目标检测中已展现出比单模态方法显著的性能提升。通常，现有方法将来自独立传感器（如相机和LiDAR）的多模态数据转换为统一的鸟瞰图（BEV）表示进行融合。尽管在理想条件下有效，但当相机或LiDAR数据缺失、损坏或含噪时，该策略会遭受严重的性能退化。为解决这一脆弱性，我们开发了一个与框架无关的相机和LiDAR数据融合模块，允许处理两种模态之一缺失或损坏的情况。为展示我们模块的有效性，我们在BEVFusion [1]（一个成熟的结合相机和LiDAR数据进行3D目标检测的框架）中实例化了它。通过在MultiCorrupt数据集上的定量实验，我们证明了我们的模块在模态缺失和损坏的场景下实现了良好的性能提升，在广泛的传感器退化场景中显著优于现有的统一表示方法，并在极端天气条件和传感器故障导致的模态损坏场景中达到了最先进的性能。
引用
@article{arxiv.2605.11799,
title = {SB-BEVFusion: Enhancing the Robustness against Sensor Malfunction and Corruptions},
author = {Markus Essl and Marta Moscati and Mubashir Noman and Muhammad Zaigham Zaheer and Usman Naseem and Shah Nawaz and Markus Schedl},
journal= {arXiv preprint arXiv:2605.11799},
year = {2026}
}
备注
Accepted at ICIP 2026