国内自动驾驶BEV感知领域取得新进展 两大名校研究成果亮相|ITS国际前沿动态资讯

2025年7月成立的中国交通信息化·学术与技术委员会，汇聚行业内外专家、学者和从业者，立足交通全视野，以学术引领与技术创新为宗旨，交流探讨适用于交通各业务场景的新一代信息技术的演进与发展、研发与应用、落地与推广，努力为行业发展搭建起产学研用深度融合的高端智库平台。

为更好服务行业从业者，委员会定期编译并提供国际智能交通前沿动态，通过「中国交通信息化」微信公众号，及时传递全球交通信息化领域的最新研究成果、技术突破与应用实践等资讯，敬请关注！

北京工业大学研究提出BEV-CMHF框架，为智能交通系统提供三维目标检测方案

北京工业大学研究提出一种融合异构传感器特征交互与长短期时间序列的跨模态感知框架BEV-CMHF，旨在为智能交通系统提供高精度、高实时的三维目标检测方案。该研究创新性地引入特征-交互注意力与时序特征融合模块，实现对相机、激光雷达及历史信息的跨模态多维建模，有效解决了传统BEV融合策略简单、时空表征不足的局限。

此研究重点关注多源传感器时空协同与目标微观状态表征。通过动态混合特征融合模块及粗细粒度混合注意力机制，模型深度解析并互补了视觉与点云的BEV特性，从而精准重构复杂交通环境。实验表明，该方法在nuScenes测试集上实现了70.87%的mAP和74.00%的NDS；在单张RTX 4090显卡下，推理速度达5.79帧/秒（单帧耗时172.64毫秒），兼顾了感知精度与计算效率。此成果不仅拓宽了自动驾驶跨模态时空融合思路，也为车路协同全息感知、主动安全预警等ITS关键应用提供了重要技术支撑。

（供稿：交通运输部公路科学研究院北京公科飞达总经理 盛刚）

清华大学团队提出一种基于T-RPVFusion研究的自动驾驶BEV感知框架

清华大学团队在《‌IEEE Transactions on Intelligent Transportation Systems》上发表的名为时间距离-点-体素融合（T-RPVFusion）的研究，提出一种将时间序列激光雷达扫描与多帧、多视角、多任务统一网络深度融合的自动驾驶BEV感知框架，旨在为智能交通系统提供兼顾交通参与者语义识别与运动状态预测的高效感知方案。该研究构建了多视角语义编码器以提取高质量语义特征，并设计了基于双层时空金字塔网络的融合机制，实现了从单帧激光雷达扫描到多帧时空集成的多维度建模，有效解决了传统BEV感知中过度侧重运动预测而导致语义表现较差的局限性。

该框架强调了ITS架构下精确三维物理结构-多任务精细化感知的关联机制。通过深度解析时序点云特征、多视角语义图等底层数据对交通主体语义和运动状态的影响，该模型能够在环境感知阶段精准协同确定不同交通参与者的分类与轨迹。实验验证与测试结果表明，依托该模型构建的感知系统在Waymo和nuScenes数据集上表现优异，特别是在Waymo开放数据集上的BEV语义分割任务上取得了突破性进展，达到49.5%的mIOU，以+12.1%的mIOU优势大幅领先此前的SOTA方法，同时保持了优秀的运动预测性能。这一研究成果不仅为高阶自动驾驶环境感知系统的空间语义理解提供了理论依据，也为智慧道路全息感知网络建设、车路协同数字化导流等ITS关键领域的应用落地提供了重要的技术参考与数据支撑。

（供稿：长安大学电子与控制工程学院副院长 惠飞）