动态对齐融合网络

惧噪环境更稳

通过可学习偏移场自适应矫正多模态特征错位，并结合扩散模型逐步去噪，提升多模态3D检测的鲁棒性与泛化能力。

李泰国 · Hao, Wang · Xingguang, Tang · 曹志伟

Measurement Science and Technology 2025

参数信息

平均精度均值

71.1 %

NuScenes检测分数

73.4 %

技术优势

抗标定误差

动态对齐模块生成可学习偏移场，自适应矫正LiDAR与相机BEV特征的空间错位。

抑制感知噪声

引入扩散模型通过渐进去噪机制有效抑制多模态融合中的噪声，增强特征表示。

即插即用

生成优化的BEV特征，可与下游任务端到端共享和联合优化，无需大幅改动现有流程。

应用场景

• 自动驾驶感知：为自动驾驶车辆提供更准确的三维目标检测，提升复杂场景下的行驶安全。
• 多传感器融合：自适应融合LiDAR和相机特征，减少标定误差影响，充分发挥多传感器互补优势。
• 机器人环境感知：让机器人在嘈杂真实环境中获得可靠的BEV特征，支持导航与操作决策。
• 低空飞行器避障：为低空飞行器提供抗噪的多模态感知能力，提升避障的实时性与鲁棒性。