GraphBEV: Towards Robust BEV Feature Alignment for Multi-Modal 3D Object Detection

将LiDAR和相机信息整合到Bird's-Eye-View（BEV）表示中已成为自动驾驶中3D物体检测的关键方面。然而，现有方法容易受到LiDAR和相机传感器之间不准确的校准关系的影响。这种不准确会导致相机分支的深度估计错误，最终导致LiDAR和相机BEV特征的不对齐。在这项工作中，我们提出了一个名为Graph BEV的强大融合框架。为了解决不准确的点云投影引起的误差，我们引入了一个局部对齐模块，通过图形匹配使用邻居感知深度特征。此外，我们提出了一个全局对齐模块，以纠正LiDAR和相机BEV特征之间的不对齐。我们的Graph BEV框架实现了最先进的性能，mAP为70.1％，在nuscenes验证集上比BEV Fusion高1.6％。重要的是，我们的Graph BEV在存在不对齐噪声的情况下比BEV Fusion高出8.3％。

本文旨在解决自动驾驶中3D目标检测中LiDAR和相机传感器之间的校准不准确所导致的误差问题，提出了一种名为Graph BEV的融合框架。

Graph BEV框架包括局部对齐模块和全局对齐模块，通过图匹配和邻居感知深度特征来解决点云投影误差和LiDAR和相机BEV特征之间的不对齐问题。

Graph BEV框架在nuscenes验证集上取得了70.1%的mAP，比BEV Fusion高出1.6%，在存在不对齐噪声的情况下，比BEV Fusion高出8.3%。实验设计合理，使用了nuscenes数据集，开源了代码。

近期相关研究包括BEV Fusion、MV3D和PointPillars等。