Tag · 5 篇
BEV感知
OptiMVMap：基于最优多车视角的离线向量化地图构建
OptiMVMap: Offline Vectorized Map Construction via Optimal Multi-vehicle Perspectives
将多车视角融合建模为「先选择后融合」问题，其不确定性引导的辅助车选择与跨车注意力对齐机制，可直接用于BEV地图构建中缓解遮挡与位姿噪声。
注意铰接处：面向自动驾驶卡车的动态标定与铰接感知
Mind the Hitch: Dynamic Calibration and Articulated Perception for Autonomous Trucks
把铰接式卡车的车头-挂车相机外参从静态标定改为用跨视角+时序注意力在线回归 6-DoF 相对位姿，并直接替换 BEVFormer 的静态外参，为多相机 BEV 感知在基座随时间变化的场景（挂车形变、遮挡、快速折角）提供了可复用的动态标定模块与 CARLA 基准。
先对齐再融合：面向鲁棒3D检测的2D引导跨模态对齐
Look Before You Fuse: 2D-Guided Cross-Modal Alignment for Robust 3D Detection
用2D检测器可靠定位的物体-背景边界作为先验，在融合前预对齐激光雷达与相机特征，并显式增强边界处的深度突变；这套「先对齐再融合」的思路可直接迁移到任何存在投影误差的多传感器BEV融合流程中。
GSV2X：面向鲁棒路侧感知的几何感知不确定性建模与正交融合
GSV2X: Geometry-Aware Uncertainty Modeling and Orthogonal Fusion for Robust Roadside Perception
把2D图像特征建模为3D高斯分布并注入相机几何引导的可学习扰动，为BEV融合提供了一种显式吸收标定误差的手段；正交约束注意力用于解耦冗余模态特征，可迁移到任何相机-激光雷达融合的BEV感知框架。
CoIn3D：重新审视配置不变的多相机3D目标检测
CoIn3D: Revisiting Configuration-Invariant Multi-Camera 3D Object Detection
针对多相机3D检测在相机内参、外参和阵列布局变化下的跨平台泛化问题，提出将焦距、地面深度、地面梯度与 Plücker 坐标四类空间先验注入特征调制，并用免训练的动态新视角合成做相机感知数据增强；这套「空间先验显式建模 + 配置扰动增强」思路可直接迁移到任何需要跨传感器配置部署的 BEV/透视图 3D 感知模型。