【摘要】在自动驾驶场景下的3D目标检测任务中，探索毫米波雷达数据作为RGB图像输入的补充正成为多模态融合的新兴趋势。然而，现有的毫米波雷达-相机融合方法高度依赖于相机的一阶段检测结果，导致整体性能不够理想。本文提供了一种不依赖于相机检测结果的鸟瞰图下双向融合方法 (BEV-radar)。对于来自不同域的两个模态的特征，BEV-radar设计了一个双向的基于注意力的融合策略。具体地，以基于BEV的3D目标检测方法为基础，我们的方法使用双向转换器嵌入来自两种模态的信息，并根据后续的卷积块强制执行局部空间关系。嵌入特征后，BEV特征在3D对象预测头中解码。我们在nu Scenes数据集上评估了我们的方法，实现了48.2 m AP和57.6 NDS。结果显示，与仅使用相机的基础模型相比，不仅在精度上有所提升，特别地，速度预测误差项有了相当大的改进。代码开源于https://github.com/Etah0409/BEV-Radar。