U-BEV：高度感知的鸟瞰图分割与基于神经地图的重定位
计算机视觉与模式识别
2025-04-01 v3
摘要
当 GPS 接收不足或基于传感器的定位失效时，高效重定位对智能车辆至关重要。近期鸟瞰图（BEV）分割的进展可准确估计局部场景外观，进而有益于车辆重定位。然而，BEV 方法的一个弊端是利用几何约束所需的大量计算。本文提出 U-BEV，一种受 U-Net 启发的架构，通过允许 BEV 在展平 BEV 特征前在多个高度层上推理场景，扩展了当前最优方法。我们表明该扩展将 U-BEV 性能提升至多 4.11 IoU。此外，我们将编码的神经 BEV 与可微模板匹配器结合，在神经 SD-map 数据上执行重定位。该模型完全端到端可训练，并在 nuScenes 数据集上以相似计算复杂度超越基于 transformer 的 BEV 方法 1.7 至 2.8 mIoU，且 BEV 重定位的召回准确率超越 26%。
引用
@article{arxiv.2310.13766,
title = {U-BEV: Height-aware Bird's-Eye-View Segmentation and Neural Map-based Relocalization},
author = {Andrea Boscolo Camiletto and Alfredo Bochicchio and Alexander Liniger and Dengxin Dai and Abel Gawel},
journal= {arXiv preprint arXiv:2310.13766},
year = {2025}
}
备注
Published in: 2024 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)