自动驾驶中的无监督 BEV 映射：利用时空一致性与新颖编码策略 ！

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 鸟瞰图（BEV）提供了丰富的表示，具有对自动驾驶中各种决策任务强大的遮挡推理能力。然而，大多数BEV映射方法采用了完全监督的学习范式，这依赖于大量人工标注的BEV GT 数据。 在这项工作中，作者通过提出第一种无监督表示学习方法来解决这一局限性，该方法能够从单目正视图（FV）图像中以标签高效的方式生成语义BEV地图。 作者的方法通过无监督的方式独立地使用两个不相连的神经路径推理场景几何和场景语义，并在此基础上使用只有BEV中一小部分标签对网络进行微调，以执行语义BEV映射任务。 作者通过利用FV图像的空间和时间一致性来实现无标签预训练来学习场景几何，同时依靠一种新颖的时间 Mask 自动编码器公式来编码场景 ………………………………