多传感器信息处理与融合在自动驾驶鸟瞰图感知中的研究进展与挑战

这篇综述系统梳理了自动驾驶领域鸟瞰图（BEV）感知技术的最新进展，聚焦相机（Camera）、激光雷达（LiDAR）和多模态融合（BEVFusion）三大技术维度，深入探讨了深度估计、跨模态对齐、数据标注成本等核心挑战，并提出了分层特征优化范式，为提升自动驾驶环境感知的精度与鲁棒性提供了重要参考。

　　

Future outlook and challenges

多模态融合展望与挑战

随着传感器技术的发展，未来BEV感知技术将更依赖多传感器（如相机、LiDAR、雷达）的协同工作。这种融合能弥补单一传感器在复杂环境中的局限性，显著提升感知的准确性、鲁棒性和可靠性。例如，LiDAR提供高精度深度信息，在弱光条件下仍表现优异；而雷达（Radar）则擅长运动物体追踪。未来研究需突破跨模态特征对齐、动态场景适应等关键技术瓶颈。

Conclusion

结论

本文全面综述了BEV感知技术的现状与发展趋势，对比分析了基于相机、LiDAR及多模态融合方法的优劣，并探讨了其在自动驾驶中的应用潜力。针对现有研究的碎片化问题，我们首次提出贯穿BEV感知全流程的分层特征优化范式，通过渐进式特征增强策略系统性提升BEV表征能力，为后续研究提供了新思路。