本文介绍了使用车载摄像头拍摄的 RGB 图像进行鸟瞰视角像素级别的物体语义分割的方法，为了解决这个问题，提出了一种新的两阶段感知管道，它明确预测像素深度，并将它们与像素语义结合起来进行有效的推断，同时，使用抽象的高层几何特征进行转移学习，方法能够提高 24% 的 mIoU。

Jun, 2020

本文提出了一种基于图卷积网络的新方法 (DGCNet)，主要用于像素级预测任务，为解决语义分割问题提供长程上下文信息建模。通过建模两个正交图来模拟输入特征的全局上下文，并通过将特征投影到新的低维空间来有效地实现。实现的模型在 Cityscapes 和 Pascal Context 数据集上取得了最优结果

Sep, 2019

提出了 PointRGCN—— 一种基于图卷积网络（GCN）的图形三维物体检测管道，该管道专门用于对三维 LiDAR 点云进行操作，包含 R-GCN 和 C-GCN 的残差 GCNs 的集成，使用图形表示对三维物体提议进行了改进，并在 bird eye 视图检测任务的简单难度上实现了最先进的性能。

Nov, 2019

本文提出了一种新颖的半监督框架，用于通过利用未标记的图像在训练过程中提高视觉鸟瞰（BEV）语义分割的性能，包括使用一致性损失约束模型在语义预测和 BEV 特征上，以及一种名为联合旋转的新颖且有效的数据增强方法，在保持前视图像与 BEV 语义分割之间的几何关系的同时扩充数据集。对 nuScenes 和 Argoverse 数据集进行的大量实验证明了我们的半监督框架可以有效提高预测准确性。据我们所知，这是第一项利用未标记数据改进视觉 BEV 语义分割性能的工作，代码将公开提供。

Aug, 2023

提出了一种名为 U-BEV 的神经网络架构，通过多个高度层次的场景推理和 SD-map 数据的可微模板匹配，有效改善了车辆重定位性能。该方法在 nuScenes 数据集上的实验结果显示，相较于其他相似复杂度的基于 BEV 和 Transformer 的方法，综合性能提高了 1.7-2.8 mIoU，重现率提高了超过 26%。

Oct, 2023

本文介绍了一种名为 GitNet 的新型两阶段几何先验变换框架，以解决从单眼图像估计 BEV（鸟瞰图）语义地图的挑战，从而为自动驾驶提供强大的空间表示能力。GitNet 通过先进行几何引导的预对齐，然后再运用基于射线的变换模型进行分割来分别对 BEV 分割进行处理，具有较好的性能表现。

Apr, 2022

本文提出了一种基于图神经网络的方法，通过对于场景中物体的空间关系，从单目图像中预测出鸟瞰地图中的物体，从而解决了现有基于纹理的模型在距离摄像机较远时定位错误率增加的问题，并在三个大规模数据集上取得了最新的最佳结果，包括了相对于 nuScenes 数据集上 50% 的提升。

Apr, 2022

本研究提出了一种基于跨尺度分层 Transformer 和对应增强注意力的语义分割训练方法，针对使用多相机视图图像进行 Bird's-eye-view（BEV）语义分割的问题，并在大量实验中证明了其性能优越性。

Apr, 2023

本研究提出了一种模块化的雷达 - 相机融合网络，其基于 BEV 平面，该网络通过新增设计的雷达编码器分支 BEVFeatureNet 与几种最先进的相机架构相结合，显著提高了 nuScenes 检测分数，是雷达 - 相机融合研究的重要进展。

May, 2023

本文介绍了 BEVSegFormer，一种有效的基于转换器的方法，用于从任意摄像机装置进行 BEV 语义分割。

Mar, 2022