En la detección de objetos 3D en vista aérea de pájaro (BEV) basada en cámaras, la supresión de no máximos (NMS) juega un papel crucial. Sin embargo, los métodos tradicionales de NMS se vuelven ineficaces en escenarios BEV donde las cajas delimitadoras predichas de instancias de objetos pequeños a menudo no tienen áreas superpuestas. Para abordar este problema, este documento propone un método de cálculo de intersección sobre unión (IoU) BEV basado en posición relativa e información espacial absoluta, denominado B-IoU. Además, se introduce un método de búsqueda circular BEV, llamado B-Grouping, para manejar cajas de predicción de diferentes escalas. Utilizando estos dos métodos, se desarrolla una nueva estrategia de NMS llamada BEV-NMS para manejar las complejas cajas de predicción en perspectivas BEV. Esta estrategia BEV-NMS se implementa en varios algoritmos existentes. Según los resultados del conjunto de validación de nuScenes, hubo un aumento promedio del 7.9% en mAP en comparación con la estrategia sin NMS. El NDS también mostró un aumento promedio del 7.9% bajo la misma comparación. Además, en comparación con la estrategia Scale-NMS, el mAP aumentó en un promedio del 3.4%, y el NDS vio una mejora promedio del 3.1%.