IEEE Open Journal of Vehicular Technology专题文章分享：迈向鲁棒自动驾驶：鸟瞰图空间的分布外物体检测研究

IEEE Open Journal of Vehicular Technology (OJVT) 是一本开放获取的全电子期刊，发表原创高质量论文，涵盖移动无线电、机动车辆和陆地交通领域电气和电子工程的理论、实验和操作层面。我们的期刊不仅欢迎原创高质量论文，也欢迎以行业为中心的出版物，重点关注研究成果并提出对进行类似研究的人员有用的想法。

本月第二篇专题文章由爱尔兰戈尔韦大学(University of Galway)与Valeo Vision Systems联合发表。研究团队提出了一种用于自动驾驶系统的轻量化感知方法，专门检测未见或异常物体。研究团队通过多摄像头输入与新型NuScenesOOD数据集，实现了鸟瞰图空间中分布外物体的有效识别，显著提升了车辆对新型及不规则障碍物的探测能力。

Towards Robust Autonomous Driving: Out-of-Distribution Object Detection in Bird’s Eye View Space
Muhammad Asad; Ihsan Ullah; Ganesh Sistu; Michael G. Madden
Published in volume 6, IEEE Open Journal of Vehicular Technology
https://ieeexplore.ieee.org/document/11031213

有监督的自驾驶感知算法能够有效识别常见类型物体，如汽车、公交车、信号灯与行人。然而在真实环境中，可能存在训练数据未涵盖的任意物体，这类对象被称为分布外（Out-of-Distribution, OOD）物体。本研究提出了一种在车辆俯视图（鸟瞰图，BEV）中检测此类物体的方法。

我们的方法具有轻量化特性，可便捷集成至现有BEV系统。通过融合多摄像头输入数据，系统能够生成OOD概率图。在训练阶段，我们在可行驶区域网格的车辆上添加随机遮挡块以完全遮蔽车辆特征。图中每个物体将获得一个异常评分，用于量化其与已知物体均值分布的偏离程度——高分值即表明该物体属于OOD。这种机制使系统在遇到新型物体（如道路动物、随机杂物或异常物体）时，能够避免产生高置信度的错误分类。即使无法具体命名这些物体，系统仍可准确定位其空间位置。

我们同时推出了名为NuScenesOOD的新数据集。该数据集通过对车辆施加不同纹理模式与数据增强技术，构建了具有异常特征的车辆样本。该数据集也被用于模型评估验证。本方法专注于BEV空间中的类车辆异常体检测，在保持已知物体高识别精度的同时，显著提升了对未知物体的探测能力。该研究通过增强自动驾驶系统对环境中类车辆OOD物体的识别能力，为提升未来自动驾驶安全性提供了重要支持。