极坐标BEV车道检测模型

几何畸变天然免疫

以相机光心为原点的极坐标建模，让车道检测空间与透视投影的几何特性天然对齐，无需复杂空间变换即可鲁棒感知。

Runshuai, Ge · Shi, Peicheng · Yongji, Gao · Xinlong, Dong · Chadia, Chakir · Liang, Taonian · Yang, Aixi

Expert Systems with Applications 2026

技术优势

不再需要空间变换

以相机光心为原点建模检测空间，与透视投影的几何特性天然对齐，省去了传统方法中对几何畸变的复杂补偿。

车道点表达更紧凑

采用角度-径向距离参数化表示空间点分布，避免了笛卡尔坐标下因透视效应引入的非线性，使得车道点预测更直接。

全局拓扑建模更强

通过集成极坐标编码器注入几何先验，并结合实例提取器进行全局拓扑建模，形成双向增强架构，显著提升了复杂场景下的检测鲁棒性。

应用场景

• 自动驾驶环境感知：为自动驾驶车辆提供更鲁棒的车道定位，直接替换现有笛卡尔坐标车道检测模块。
• 智能车辆BEV感知：在BEV框架下从根源消除透视畸变影响，提升智能车辆对车道结构的全局建模能力。
• 工业车辆环境感知：无需复杂空间变换即可适应工业车辆多变的作业视角，简化感知系统的部署。