CN.md

English | 简体中文

Towards Robust Bird's Eye View Perception under Common Corruption and Domain Shift

Shaoyuan Xie¹   Lingdong Kong^2,3   Wenwei Zhang^2,4   Jiawei Ren⁴   Liang Pan⁴   Kai Chen²   Ziwei Liu^4
1华中科技大学   ²上海人工智能实验室   ³新加坡国立大学   ⁴南洋理工大学S-Lab

项目概览

RoboBEV 是首个为在自然数据"损坏"和域迁移条件下, 基于相机的鸟瞰图 (BEV) 感知量身定制的鲁棒性评估基线。该基线包括了以下八种可能出现在驾驶场景中的数据"损坏"类型: ¹传感器故障损坏、²运动和数据处理损坏、³光照条件损坏和⁴天气条件损坏。

左前视角	前视角	右前视角	左前视角	前视角	右前视角
左后视角	后视角	右后视角	左后视角	后视角	右后视角

请参阅我们的 项目主页 以获取更多细节与实例。 :blue_car:

版本更新

• [2023.06] - nuScenes-C 数据集现已发布在OpenDataLab平台！🚀
• [2023.04] - 我们在 Paper-with-Code 平台搭建了 "鲁棒BEV感知" 基线。现在就加入鲁棒性评测吧！:raising_hand:
• [2023.02] - 我们邀请每一位BEV爱好者参与到 "鲁棒BEV感知" 基线中来! 更多细节，请阅读此页面。:beers:
• [2023.01] - 推出 "RoboBEV"! 在这个初始版本中，11个BEV检测算法和1个单目3D检测算法已经在8个"损坏"类型和3种严重程度下进行了基准测试。

大纲

• 安装
• 数据准备
• 开始实验
• 模型库
• 鲁棒性基线
• BEV模型标定
• 生成"损坏"数据
• 更新计划
• 引用
• 许可
• 致谢

安装

请参阅 安装.md 以获取更多有关环境安装的细节。

数据准备

我们的数据集由 OpenDataLab 平台搭载。

OpenDataLab 是一个引领AI大模型时代的数据开源开放平台。OpenDataLab 为人工智能研究者提供免费开源的数据集，通过该平台，研究者可以获得格式统一的各领域经典数据集。

请参阅 数据准备.md 以获取更多有关准备 nuScenes 和 nuScenes-C 数据集的细节。

开始实验

请参阅 开始实验.md 以获取更多有关如何使用本代码库的细节。

模型库

 基于多视角相机的BEV检测模型

• Fast-BEV, arXiv 2023. ^[Code]
• SOLOFusion, ICLR 2023. ^[Code]
• PolarFormer, AAAI 2023. ^[Code]
• BEVStereo, AAAI 2023. ^[Code]
• BEVDepth, AAAI 2023. ^[Code]
• MatrixVT, arXiv 2022. ^[Code]
• Sparse4D, arXiv 2022. ^[Code]
• CrossDTR, arXiv 2022. ^[Code]
• SRCN3D, arXiv 2022. ^[Code]
• PolarDETR, arXiv 2022. ^[Code]
• BEVerse, arXiv 2022. ^[Code]
• M^2BEV, arXiv 2022. ^[Code]
• ORA3D, BMVC 2022. ^[Code]
• Graph-DETR3D, ACM MM 2022. ^[Code]
• SpatialDETR, ECCV 2022. ^[Code]
• PETR, ECCV 2022. ^[Code]
• BEVFormer, ECCV 2022. ^[Code]
• BEVDet, arXiv 2021. ^[Code]
• DETR3D, CoRL 2021. ^[Code]

 基于单目相机的3D物体检测模型

• FCOS3D, ICCVW 2021. ^[Code]

 基于相机与激光雷达融合的BEV检测模型

• BEVDistill, ICLR 2023. ^[Code]
• BEVFusion, ICRA 2023. ^[Code]
• BEVFusion, NeurIPS 2022. ^[Code]
• TransFusion, CVPR 2022. ^[Code]
• AutoAlignV2, ECCV 2022. ^[Code]

 基于多视角相机的BEV图分割模型

• LaRa, CoRL 2022. ^[Code]
• CVT, CVPR 2022. ^[Code]

 基于多视角相机的深度估计模型

• SurroundDepth, CoRL 2022. ^[Code]

 基于多视角相机的语义占用模型

• SurroundOcc, arXiv 2023. ^[Code]
• TPVFormer, CVPR, 2023. ^[Code]

鲁棒性基线

:triangular_ruler: 指标: 在我们的基准中，nuScenes Detection Score (NDS) 被用作评价模型性能的主要指标。我们采用以下两个指标来比较模型的鲁棒性:

• mCE (越低越好): 候选模型的平均损坏误差 (百分比)，这是在三种严重程度的所有"损坏"类型中与基线模型相比计算出来的。
• mRR (越高越好): 候选模型的平均复原率 (百分比) ，这是在三种严重程度的所有"损坏"类型中与它的"干净"性能相比计算出来的。

:gear: 注释: 符号 ^:star: 表示 mCE 计算中采用的基线模型。更详细的实验结果，请参考 实验结果.md.

BEV 检测

模型	mCE (%) $\downarrow$	mRR (%) $\uparrow$	Clean	Cam Crash	Frame Lost	Color Quant	Motion Blur	Bright	Low Light	Fog	Snow
DETR3D:star:	100.00	70.77	0.4224	0.2859	0.2604	0.3177	0.2661	0.4002	0.2786	0.3912	0.1913
DETR3DCBGS	99.21	70.02	0.4341	0.2991	0.2685	0.3235	0.2542	0.4154	0.2766	0.4020	0.1925
BEVFormerSmall	101.23	59.07	0.4787	0.2771	0.2459	0.3275	0.2570	0.3741	0.2413	0.3583	0.1809
BEVFormerBase	97.97	60.40	0.5174	0.3154	0.3017	0.3509	0.2695	0.4184	0.2515	0.4069	0.1857
PETRR50-p4	111.01	61.26	0.3665	0.2320	0.2166	0.2472	0.2299	0.2841	0.1571	0.2876	0.1417
PETRVoV-p4	100.69	65.03	0.4550	0.2924	0.2792	0.2968	0.2490	0.3858	0.2305	0.3703	0.2632
ORA3D	99.17	68.63	0.4436	0.3055	0.2750	0.3360	0.2647	0.4075	0.2613	0.3959	0.1898
BEVDetR50	115.12	51.83	0.3770	0.2486	0.1924	0.2408	0.2061	0.2565	0.1102	0.2461	0.0625
BEVDetR101	113.68	53.12	0.3877	0.2622	0.2065	0.2546	0.2265	0.2554	0.1118	0.2495	0.0810
BEVDetR101-pt	112.80	56.35	0.3780	0.2442	0.1962	0.3041	0.2590	0.2599	0.1398	0.2073	0.0939
BEVDetSwinT	116.48	46.26	0.4037	0.2609	0.2115	0.2278	0.2128	0.2191	0.0490	0.2450	0.0680
BEVDepthR50	110.02	56.82	0.4058	0.2638	0.2141	0.2751	0.2513	0.2879	0.1757	0.2903	0.0863
BEVerseSwinT	110.67	48.60	0.4665	0.3181	0.3037	0.2600	0.2647	0.2656	0.0593	0.2781	0.0644
BEVerseSwinS	117.82	49.57	0.4951	0.3364	0.2485	0.2807	0.2632	0.3394	0.1118	0.2849	0.0985
PolarFormerR101	96.06	70.88	0.4602	0.3133	0.2808	0.3509	0.3221	0.4304	0.2554	0.4262	0.2304
PolarFormerVoV	98.75	67.51	0.4558	0.3135	0.2811	0.3076	0.2344	0.4280	0.2441	0.4061	0.2468
SRCN3DR101	99.67	70.23	0.4286	0.2947	0.2681	0.3318	0.2609	0.4074	0.2590	0.3940	0.1920
SRCN3DVoV	102.04	67.95	0.4205	0.2875	0.2579	0.2827	0.2143	0.3886	0.2274	0.3774	0.2499
Sparse4DR101	100.01	55.04	0.5438	0.2873	0.2611	0.3310	0.2514	0.3984	0.2510	0.3884	0.2259
SOLOFusionshort	108.68	61.45	0.3907	0.2541	0.2195	0.2804	0.2603	0.2966	0.2033	0.2998	0.1066
SOLOFusionlong	97.99	64.42	0.4850	0.3159	0.2490	0.3598	0.3460	0.4002	0.2814	0.3991	0.1480
SOLOFusionfusion	92.86	64.53	0.5381	0.3806	0.3464	0.4058	0.3642	0.4329	0.2626	0.4480	0.1376
FCOS3Dfinetune	107.82	62.09	0.3949	0.2849	0.2479	0.2574	0.2570	0.3218	0.1468	0.3321	0.1136
BEVFusionCam	109.02	57.81	0.4121	0.2777	0.2255	0.2763	0.2788	0.2902	0.1076	0.3041	0.1461
BEVFusionLiDAR	-	-	0.6928	-	-	-	-	-	-	-	-
BEVFusionC+L	43.80	97.41	0.7138	0.6963	0.6931	0.7044	0.6977	0.7018	0.6787	-	-
TransFusion	-	-	0.6887	0.6843	0.6447	0.6819	0.6749	0.6843	0.6663	-	-
AutoAlignV2	-	-	0.6139	0.5849	0.5832	0.6006	0.5901	0.6076	0.5770	-	-

多视角相机的深度估计

Model	Metric	Clean	Cam Crash	Frame Lost	Color Quant	Motion Blur	Bright	Low Light	Fog	Snow
SurroundDepth	Abs Rel	0.280	0.485	0.497	0.334	0.338	0.339	0.354	0.320	0.423

多视角相机的语义占用

Model	Metric	Clean	Cam Crash	Frame Lost	Color Quant	Motion Blur	Bright	Low Light	Fog	Snow
TPVFormer	mIoU vox	52.06	27.39	22.85	38.16	38.64	49.00	37.38	46.69	19.39
SurroundOcc	SC mIoU	20.30	11.60	10.00	14.03	12.41	19.18	12.15	18.42	7.39

BEV模型标定

模型	预训练	时序建模	深度估计	CBGS	骨干网络	BEV编码器	图像尺寸	mCE (%)	mRR (%)	NDS
DETR3D	✓	✗	✗	✗	ResNet	Attention	1600×900	100.00	70.77	0.4224
DETR3DCBGS	✓	✗	✗	✓	ResNet	Attention	1600×900	99.21	70.02	0.4341
BEVFormerSmall	✓	✓	✗	✗	ResNet	Attention	1280×720	101.23	59.07	0.4787
BEVFormerBase	✓	✓	✗	✗	ResNet	Attention	1600×900	97.97	60.40	0.5174
PETRR50-p4	✗	✗	✗	✗	ResNet	Attention	1408×512	111.01	61.26	0.3665
PETRVoV-p4	✓	✗	✗	✗	VoVNetV2	Attention	1600×900	100.69	65.03	0.4550
ORA3D	✓	✗	✗	✗	ResNet	Attention	1600×900	99.17	68.63	0.4436
PolarFormerR101	✓	✗	✗	✗	ResNet	Attention	1600×900	96.06	70.88	0.4602
PolarFormerVoV	✓	✗	✗	✗	VoVNetV2	Attention	1600×900	98.75	67.51	0.4558
SRCN3DR101	✓	✗	✗	✗	ResNet	CNN+Attn.	1600×900	99.67	70.23	0.4286
SRCN3DVoV	✓	✗	✗	✗	VoVNetV2	CNN+Attn.	1600×900	102.04	67.95	0.4205
Sparse4DR101	✓	✓	✗	✗	ResNet	CNN+Attn.	1600×900	100.01	55.04	0.5438
BEVDetR50	✗	✗	✓	✓	ResNet	CNN	704×256	115.12	51.83	0.3770
BEVDetR101	✗	✗	✓	✓	ResNet	CNN	704×256	113.68	53.12	0.3877
BEVDetR101-pt	✓	✗	✓	✓	ResNet	CNN	704×256	112.80	56.35	0.3780
BEVDetSwinT	✗	✗	✓	✓	Swin	CNN	704×256	116.48	46.26	0.4037
BEVDepthR50	✗	✗	✓	✓	ResNet	CNN	704×256	110.02	56.82	0.4058
BEVerseSwinT	✗	✗	✓	✓	Swin	CNN	704×256	137.25	28.24	0.1603
BEVerseSwinT	✗	✓	✓	✓	Swin	CNN	704×256	110.67	48.60	0.4665
BEVerseSwinS	✗	✗	✓	✓	Swin	CNN	1408×512	132.13	29.54	0.2682
BEVerseSwinS	✗	✓	✓	✓	Swin	CNN	1408×512	117.82	49.57	0.4951
SOLOFusionshort	✗	✓	✓	✗	ResNet	CNN	704×256	108.68	61.45	0.3907
SOLOFusionlong	✗	✓	✓	✗	ResNet	CNN	704×256	97.99	64.42	0.4850
SOLOFusionfusion	✗	✓	✓	✓	ResNet	CNN	704×256	92.86	64.53	0.5381

注: 预训练表示从FCOS3D初始化的模型。时序建模表示是否使用了时间信息。深度估计表示具有显式深度估计分支的模型。CBGS表示模型使用类平衡的分组采样策略。

生成"损坏"数据

你可以创建你自己的 "RoboBEV" 数据集! 请参考文件：数据生成.md.

更新计划

• 初始更新已放出. 🚀
• 新增生成"损坏"数据的运行脚本.
• 新增nuScenes-C数据集下载链接.
• 新增模型评测的运行脚本.
• 新增BEV地图分割模型.
• 新增多视角深度估计模型.
• 新增多视角语义分割模型.
• ...

引用

如果你认为这项工作对你有帮助，请考虑引用以下内容:

@article{xie2023robobev,
    title = {RoboBEV: Towards Robust Bird's Eye View Perception under Corruptions},
    author = {Xie, Shaoyuan and Kong, Lingdong and Zhang, Wenwei and Ren, Jiawei and Pan, Liang and Chen, Kai and Liu, Ziwei},
    journal = {arXiv preprint arXiv:2304.06719}, 
    year = {2023}
}

@misc{xie2023robobev_codebase,
    title = {The RoboBEV Benchmark for Robust Bird's Eye View Detection under Common Corruption and Domain Shift},
    author = {Xie, Shaoyuan and Kong, Lingdong and Zhang, Wenwei and Ren, Jiawei and Pan, Liang and Chen, Kai and Liu, Ziwei},
    howpublished = {\url{https://github.com/Daniel-xsy/RoboBEV}},
    year = {2023}
}

许可

这项工作是在 Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License 下进行的。这个代码库中的一些模型可能是采用其他许可证。如果你将我们的代码用于商业用途， 请参考 许可.md 以进行更仔细的检查。

致谢

这项工作是基于 MMDetection3D 代码库.

MMDetection3D 是一个基于PyTorch的开源目标检测工具箱，面向下一代通用三维检测平台。它是由MMLab开发的OpenMMLab项目的一部分。

:heart: 我们感谢 Jiangmiao Pang 和 Tai Wang 的建设性的讨论和反馈，感谢 OpenDataLab 平台托管我们的数据集。