BEVFormer数据标注避坑指南：从原理到实践的7个关键注意项

1次阅读

共计 1800 个字符，预计需要花费 5 分钟才能阅读完成。

BEVFormer（Bird’s Eye View Transformer）通过多摄像头输入生成鸟瞰图视角的 3D 感知结果，其核心是将 2D 图像特征通过 Transformer 架构映射到 BEV 空间。这种特性对数据标注提出两个特殊要求：

视角一致性：标注需在 BEV 空间进行，但原始数据来自前视 / 环视摄像头，存在透视畸变
时序关联性：模型利用时序信息增强检测能力，要求跨帧标注保持物体 ID 一致性

技术背景：直接在前视图标注会导致 BEV 空间物体尺寸失真。例如，远处车辆在图像中占比小，但 BEV 空间实际物理尺寸较大。

错误案例：
– 前视图标注的卡车在 BEV 空间被压缩成轿车尺寸
– 导致模型对远处物体尺寸预测误差达 40%

解决方案：
– 建立图像像素到 BEV 网格的映射关系
– 使用标定参数补偿深度引起的尺寸变化

代码示例：

def image2bev(x_img, y_img, calib):
    """
    :param x_img: 图像 x 坐标
    :param calib: 标定参数(dict)
    :return: (x_bev, y_bev)
    """
    # 1. 反投影到 3D 空间（假设地面平面）z = 0  # 地面高度
    x_cam = (x_img - calib['cx']) * z / calib['fx']
    y_cam = (y_img - calib['cy']) * z / calib['fy']

    # 2. 坐标系旋转到 BEV
    x_bev = x_cam * cos(calib['theta']) - y_cam * sin(calib['theta'])
    y_bev = x_cam * sin(calib['theta']) + y_cam * cos(calib['theta'])
    return x_bev, y_bev

技术背景：激光雷达与摄像头标定偏差会导致 BEV 空间标注错位，常见问题包括：
– 激光雷达点云与图像边缘不对齐
– 不同传感器间的时序不同步

解决方案：
– 标注前进行动态标定验证
– 对运动物体增加时间戳补偿

技术背景：BEVFormer 利用历史帧信息，要求物体 ID 在连续帧中保持稳定。典型错误包括：
– 同一车辆在不同帧被分配不同 ID
– ID 跳变导致轨迹预测失效

解决方案：
– 使用 SORT/DeepSORT 算法辅助 ID 分配
– 设置重叠度 (IoU) 阈值触发 ID 复用

技术背景：BEV 视角下遮挡关系复杂，容易产生：
– 漏标被部分遮挡的物体
– 错误标注遮挡物的可见部分

最佳实践：
– 对遮挡超过 50% 的物体标记为 ” 不确定 ”
– 使用 LiDAR 点云验证可见部分

技术背景：标注时车辆自身也在运动，需补偿 ego-motion。常见错误：
– 静止物体被标注为运动状态
– 运动物体速度矢量方向错误

技术背景：不同数据集的物体尺寸定义不同（如轿车长度 4 - 5 米），需要：
– 统一标注尺寸标准
– 对非常规尺寸物体特殊标记

技术背景：长尾场景标注不足会导致模型盲区，重点关注：
– 异形车辆（工程车、拖挂车等）
– 极端天气下的物体

通过可视化工具检查标注质量：

BEV 空间重叠检查：

import matplotlib.pyplot as plt

def visualize_bev_labels(labels):
    fig, ax = plt.subplots()
    for obj in labels:
        rect = plt.Rectangle((obj['x'], obj['y']), obj['w'], obj['h'], 
                            fill=False, edgecolor='r')
        ax.add_patch(rect)
    plt.axis('equal')
    plt.show()

时序一致性检查：
生成连续帧的检测结果动画
检查 ID 跳变和轨迹平滑性

检查项	合格标准	验证方法
视角转换准确性	BEV 空间物体尺寸误差 <5%	标定板验证
时序 ID 一致性	连续帧 ID 重复率 >95%	轨迹可视化
遮挡处理	不确定标注占比 <10%	人工复核
多传感器对齐	点云与图像边缘偏差 <3 像素	边缘提取对比
动态物体补偿	静止物体速度标注 <0.1m/s	IMU 数据对照