BEVMatch：面向自动驾驶的BEV空间模态灵活局部对应表示与匹配方法

《IEEE Robotics & Automation Magazine》：BEVMatch: Uni-, Cross-, and Multi-Modal Keypoint Matching for Bird's-Eye View Perception

　　本文提出BEVMatch，一种用于自动驾驶的度量鸟瞰图（BEV）空间中的模态灵活局部对应表示方法：将摄像头和激光雷达观测编码为具有共享描述子的稀疏地标，从而通过单一模型实现单模态、跨模态和多模态的SE(2)匹配。BEVMatch为每个模态使用独立的骨干网络，从各传感器中提取特征并转换到统一的BEV表示中，再通过跨模态注意力机制进行融合。两帧之间的相对自车姿态估计用于监督对应关系，使模型能够从大规模驾驶数据中学习，而无需手动标注关键点。训练期间的模态丢弃策略有助于获得模态一致的表示。由于每帧独立编码，描述子不受限于特定的帧对配对，可存储并与任意后续帧进行匹配。我们在nuScenes、Waymo及自研数据集上，分别在多摄像头对多摄像头、多摄像头对激光雷达以及激光雷达对激光雷达的匹配任务中评估了BEVMatch的性能，涉及较大的相对运动。此外，我们还展示了稀疏且亚单元格精度的地标，其在KITTI数据集上的关键帧里程计所产生的轨迹级误差与已有的BEV里程计方法相当。