近日，我院以杭州电子科技大学为第一单位发表的论文《IAE-BEV: Instance-Aware Enhancement for Bird’s-Eye-View Representation in Multi-View 3D Object Detection》被自动驾驶领域顶级期刊 IEEE Robotics and Automation Letters (二区期刊) 录用。该论文的第一作者为我院2023级硕士研究生王彬，指导老师为我校赵强研究员和颜成钢教授。

基于相机的鸟瞰图（Bird’s-Eye-View, BEV）表示，已成为推动低成本自动驾驶三维目标检测的重要途径。其中，Lift-Splat-Shoot（LSS）框架凭借高效与易部署的优势，逐渐成为主流方案。然而，该框架在空间展平过程中不可避免地引入冗余背景噪声，同时受制于相机成像特性，其生成的 BEV 特征呈现出稀疏与不完整性，导致检测精度和鲁棒性受限。为解决这些瓶颈，该研究提出全新的两阶段多视角三维检测框架 IAE-BEV。该方法通过自适应引入实例级特征，在增强 BEV 表示的实例敏感性的同时，有效缓解了稀疏性问题；同时设计的 Occupancy Mask Pool (OMP) 实现了特征与目标区域在二维图像域的高效耦合，使实例与像素级表征间建立更精准的交互；进一步提出的 Angle-Adaptive Self-Attention (AASA) 模块，可在共射线方向上自适应调整特征权重，实现对跨实例特征的细粒度区分与全局一致性建模。大量实验表明，IAE-BEV 在 nuScenes 数据集上展现出卓越的泛化性与鲁棒性，相较最新 LSS 基线在 mAP 上实现 +2.96% 的提升；在复杂真实场景中，也能更清晰刻画动态目标边界与潜在目标，充分验证了所提框架的有效性与优越性。