DualBEV | 无需Transformer ，统一3D至2D与2D至3D视图转换，提升自动驾驶鸟瞰感知能力！

文章预览

ADAS  Laboratory 点击上方 蓝字 关注  智驾实验室           加入【 智驾实验室 】交流群， 获取更多内容和资料 基于摄像头的鸟瞰图（BEV）感知常常在采用3D到2D还是2D到3D视图转换（VT）之间纠结。3D到2D VT通常采用资源密集型的Transformer来建立3D和2D特征之间的稳健对应关系，而2D到3D VT则利用Lift-Splat-Shoot（LSS） Pipeline 以实现实时应用，可能会遗漏远处信息。为了解决这些局限性，作者提出了DualBEV，一个统一的框架，该框架使用基于共享CNN的特征转换，并融合了三种概率测量方法，同时适用于两种策略。通过在一阶段内考虑双视图对应关系，DualBEV有效地弥合了这些策略之间的差距，利用它们各自的优势。作者的方法在没有Transformer的情况下达到了最先进的表现，与LSS方法相比具有可观的效率，在nuScenes测试集上实现了**55.2% 的mAP和 63.4%**的NDS。 总之 ………………………………