%0 Journal Article
%A 陈晶晶
%A 上官伟
%A 陈俊杰
%A 柴琳果
%A 邱威智
%T 基于DDL-BEV的自动驾驶雷视融合感知方法研究
%D 2026
%R 10.19721/j.cnki.1001-7372.2026.03.005
%J 中国公路学报
%P 62-74
%V 39
%N 3
%X 环境感知作为自动驾驶的核心技术，其性能直接决定了智能汽车的决策水平与行驶安全性，为提升自动驾驶汽车在复杂场景下的三维目标检测精度和鲁棒性，针对当前鸟瞰图(BEV)融合感知存在的图像边缘语义缺失与点云背景噪声干扰问题，提出了一种基于深度边缘检测、动态查询与激光雷达-相机交叉注意力的多尺度动态融合感知方法(DDL-BEV)。首先，构建深度边缘检测网络，通过双分支特征提取与交互，融合深度信息与边缘语义特征，优化图像BEV空间特征；其次，设计动态体素化查询模块，将激光点云体素化为柱状网格并投影至BEV特征空间，通过前景位置动态感知有效降低背景噪声干扰；最后，设计LiDAR-Camera交叉注意力融合机制，结合多分支空洞卷积特征增强模块构建层次化特征交互架构，融合激光点云和相机图像BEV特征，实现跨模态特征优势互补，将融合后的特征输入到DDL-BEV的目标检测头预测出3D目标检测结果。在nuScenes数据集上的试验表明：提出的DDL-BEV融合算法的平均检测精度mAP和综合检测得分NDS分别达到69.3%和71.9%，相较于基准BEVFusion方法分别提高了1.5%和1.3%；在夜晚、雨天、转弯、交叉口等特殊场景下，DDL-BEV的mAP分别提升了6.7%、5.42%、5.45%、4.65%，场景敏感度由14.11%降低至8.33%。试验结果证明DDL-BEV检测算法在光照不足、遮挡环境与雨雾干扰等场景中具有更强的检测鲁棒性。
%U http://zgglxb.gfscw.cn/CN/10.19721/j.cnki.1001-7372.2026.03.005