基于极坐标的多模态融合算法PolarFusion：提升自动驾驶3D目标检测精度的创新研究

针对Cartesian坐标下多模态传感器信息融合导致的特征不对称和注意力不均问题，研究人员提出首个基于极坐标的多模态融合BEV（Bird's Eye View）目标检测算法PolarFusion。通过设计PRCG（极坐标候选区域生成）、PRIF（极坐标信息融合）等模块，在nuScenes数据集实现NDS 76.1%和mAP 74.5%的先进性能，为自动驾驶环境感知提供新范式。

　　

在自动驾驶技术快速发展的今天，3D目标检测的精度直接关系到车辆对周围环境的理解能力。当前主流方法采用Cartesian（笛卡尔）坐标系进行多模态传感器融合，却面临两个关键瓶颈：一是LiDAR点云和相机图像在远距离处信息密度急剧下降，导致Cartesian BEV（Bird's Eye View，鸟瞰图）空间中网格分配不合理——近处特征过度采样而远处特征欠采样；二是常规网格会破坏环视相机的对称性，使得同一物体在不同角度呈现不一致的特征表达。这些问题严重制约了自动驾驶系统在复杂场景下的感知可靠性。

针对这些挑战，中国的研究团队创新性地提出PolarFusion算法，首次将极坐标系引入多模态BEV目标检测。该研究通过三个核心模块实现技术突破：极坐标候选区域生成模块（PRCG）利用区域提议网络筛选关键区域，提升信息处理效率；极坐标查询生成模块结合传感器先验知识构建高质量目标查询；极坐标信息融合模块（PRIF）采用自注意力机制实现图像与点云特征的几何对齐。这种设计充分利用极坐标与传感器数据采集模式的天然契合性——LiDAR的激光束扫描和相机的透视成像本质上都是极坐标系统，从而有效解决Cartesian空间中的特征失真问题。

研究采用nuScenes自动驾驶数据集进行验证，该数据集包含1000个场景的360度环视图像和LiDAR点云数据。关键技术方法包括：基于区域提议网络（RPN）的图像特征提取、极坐标BEV空间投影、跨模态特征对齐的自注意力机制，以及联合优化损失函数设计。实验结果显示，PolarFusion在保持近处目标检测精度的同时，将40米外目标的检测准确率提升23%，最终实现NDS（NuScenes Detection Score）76.1%和mAP（mean Average Precision）74.5%的突破性性能。

研究结果具体呈现为：

1. 极坐标候选区域生成：通过RPN生成的2D候选区域投影到极坐标BEV空间，减少70%冗余计算量；
2. 跨模态特征对齐：PRIF模块使图像与点云特征匹配误差降低62%；
3. 检测性能提升：相比Cartesian基线方法，中远距离（>30m）目标检测mAP提升2.3个百分点。

结论部分强调，PolarFusion的创新性体现在三个方面：首次实现极坐标系下的多模态BEV融合，建立更符合传感器物理特性的数据处理流程；通过PRCG-PRIF协同架构解决跨模态特征错位难题；验证极坐标表示对保持环视相机对称性的优势。该研究不仅为自动驾驶感知系统提供新思路，其极坐标融合框架还可拓展应用于机器人导航、增强现实等领域。论文成果发表于《Neural Networks》，相关代码已开源。

讨论指出，当前工作仍存在两点局限：极坐标网格的径向分辨率固定，未能自适应调整；多雨雾场景下的传感器噪声抑制有待加强。未来研究将探索动态极坐标网格划分和气象鲁棒性增强方法，进一步推动智能交通系统的发展。