BLOS-BEV:BEV感知超200米！nuScenes和Argoverse双SOTA!

文章地址：https://arxiv.org/pdf/2407.08526
鸟瞰图（BEV）表示在自动驾驶任务的感知功能中至关重要。平衡BEV表示的准确性、效率和范围是一个困难的问题。现有的工作限制在50米内的感知范围内。扩展BEV表示范围可以通过提供更全面的信息和反应时间，大大有利于下游任务，如拓扑推理、场景理解和规划。标准定义（SD）导航地图可以提供道路结构拓扑的轻量级表示，其特点是易于获取和维护成本低。一个直观的想法是结合车载摄像头的近距离视觉信息与来自SD地图的超视距（BLOS）环境先验，以实现扩展的感知能力。在本文中，提出了BLOS-BEV，一种结合SD地图用于准确超视距感知的新型BEV分割模型，感知范围可达200米。我们的方法适用于常见的BEV架构，并通过结合SD地图的派生信息，取得优异的结果。我们探索了各种特征融合方案，以有效整合视觉BEV表示和SD地图的语义特征，旨在最佳利用两者的互补信息。大量实验表明，我们的方法在nuScenes和Argoverse基准上的BEV分割中实现了最先进的性能。通过多模态输入，BEV分割在50米以内的近距离场景中显著增强，同时在50-200米的长距离场景中表现出色，mIoU超过其他方法20%以上。
BLOS-BEV: Navigation Map Enhanced Lane Segmentation Network,
Beyond Line of Sight