盒子匹配融合网络

对不齐也能融合

用盒子级别的匹配代替像素级标定，让多模态融合不再依赖传感器对齐精度。

Liu, Zhe · Ye X. · Zou, Zhikang · He, Xinwei · Tan, Xiao · DIng, Errui · 王井东 · 白翔

IEEE Transactions on Intelligent Transportation Systems 2024

技术优势

不依赖标定

用盒子级别的匹配学习 3D 与 2D 目标提案的对应关系，推理时不再受传感器内外参波动的影响。

传感器异步也能用

实验显示对异步传感器等挑战性场景的鲁棒性远超现有融合方法。

图像退化不崩

在相机图像退化的情况下，检测性能保持稳定，因为融合不依赖像素级对齐。

应用场景

• 自动驾驶：在传感器异步、错位时仍能进行多模态 3D 检测，提升自动驾驶感知可靠性。
• 多传感器融合感知：用盒子匹配替代像素级对齐，降低多传感器融合对标定精度的要求。
• 机器人环境感知：机器人可在传感器安装扰动或图像质量下降时保持稳定的环境感知。