鸟瞰图（BEV）语义分割在自动驾驶的空间感知中起着关键作用.虽然最近的文献在BEV地图理解方面取得了重大进展，但它们都是基于单摄像头的系统，难以处理复杂交通场景中的遮挡和检测遥远的物体。.车对车（V2V）通信技术使自主车辆能够共享传感信息，与单人系统相比，这可以极大地提高感知性能和范围。.在本文中，我们提出了CoBEVT，这是第一个通用的多代理多摄像头感知框架，可以合作地生成BEV地图预测。.为了在底层Transformer架构中有效地融合来自多视图和多代理数据的相机特征，我们设计了一个融合的轴向注意力或FAX模块，它可以捕获跨视图和代理的稀疏的局部和全局空间互动。.在V2V感知数据集OPV2V上进行的大量实验表明，CoBEVT在合作BEV语义分割方面取得了最先进的性能。.此外，CoBEVT被证明可以推广到其他任务，包括：1）用单代理多摄像头进行BEV分割；2）用多代理LiDAR系统进行3D物体检测，并以实时推理速度达到最先进的性能。.
《CoBEVT: Cooperative Bird's Eye View Semantic Segmentation with Sparse Transformers》
论文地址:http://arxiv.org/abs/2207.02202v1
| 留言与评论（共有 0 条评论） “” |
