基于视觉的非均匀BEV表征学习：极坐标栅格化与表面估计
计算机视觉与模式识别
2022-07-06 v1
摘要
在本工作中，我们提出 PolarBEV 用于基于视觉的非均匀 BEV 表征学习。为适配相机成像的透视缩短效应，我们在角度和径向两个维度上对 BEV 空间进行栅格化，并引入极坐标嵌入分解来建模极网格之间的关联。极网格被重排为类数组的规则表征以实现高效处理。此外，为确定 2D 到 3D 的对应关系，我们基于假设平面迭代更新 BEV 表面，并采用基于高度的特征变换。PolarBEV 在单张 2080Ti GPU 上保持实时推理速度，并在 BEV 语义分割与 BEV 实例分割任务上均优于其他方法。我们给出了充分的消融实验以验证设计。代码将发布于 \url{https://github.com/SuperZ-Liu/PolarBEV}。
引用
@article{arxiv.2207.01878,
title = {Vision-based Uneven BEV Representation Learning with Polar Rasterization and Surface Estimation},
author = {Zhi Liu and Shaoyu Chen and Xiaojie Guo and Xinggang Wang and Tianheng Cheng and Hongmei Zhu and Qian Zhang and Wenyu Liu and Yi Zhang},
journal= {arXiv preprint arXiv:2207.01878},
year = {2022}
}