YOLO-BEV：以 2D 目标检测相同方式生成鸟瞰图
计算机视觉与模式识别
2023-10-27 v1 人工智能
摘要
车辆感知系统力求对其周围环境实现全面而快速的视觉理解，以提升安全性与导航能力。我们提出 YOLO-BEV，一个高效框架，利用独特的环境相机布置生成车辆环境的 2D 鸟瞰图。通过策略性地布置八台相机，每台间隔 45 度，我们的系统将图像捕获并整合为连贯的 3x3 网格格式（中心留空），提供丰富的空间表征以促进高效处理。在我们的方法中，我们采用 YOLO 的检测机制，青睐其响应迅速与模型结构紧凑的固有优势。我们未使用常规的 YOLO 检测头，而是为其增补一个定制设计的检测头，将全景捕获的数据转换为自车统一的鸟瞰图地图。初步结果验证了 YOLO-BEV 在实时车辆感知任务中的可行性。凭借其精简的架构与因参数最小化而具备的快速部署潜力，YOLO-BEV 作为一种有前景的工具，可能重塑自动驾驶系统的未来视角。
引用
@article{arxiv.2310.17379,
title = {YOLO-BEV: Generating Bird's-Eye View in the Same Way as 2D Object Detection},
author = {Chang Liu and Liguo Zhou and Yanliang Huang and Alois Knoll},
journal= {arXiv preprint arXiv:2310.17379},
year = {2023}
}