bev

自动驾驶之BEV概述1、为什么需要BEV？自动驾驶需要目标在3D空间的位置信息，传统检测为2D图像上检测目标然后IPM投影到3D。所以无论如何3D结果才是我们最终想要的。对于单个传感器：通过单目3D、深度估计等手段好像能解决这个问题，但是往往精度不高。对于自动驾驶，往往需要360度的多个摄像头协同工作。将多个摄像头的结果进行融合也是一大问题。所以把图象特征转到BEV空间下直接进行3D位置预测，一则可以解决2D到3D的投影问题，二则预测结果可以直接用于下游的决策，省去多个传感器的融合。

论文阅读--Cross-view Transformers for real-time Map-view Semantic Segmentation一种新的2D维度的bev特征提取方案，其通过引入相机先验信息（相机内参和外参）构建了一个多视图交叉注意力机制，能够将多视图特征映射为BEV特征。

BEV端到端视觉论文合集|从不同的视角解析BEV感知技术随着自动驾驶技术的不断发展，基于摄像头的感知系统已成为关键，而Bird’s Eye View (BEV)大模型在其中发挥着重要作用。BEV大模型是一种将摄像头捕捉到的2D图像转换为自上而下视角的3D感知的技术，使得车辆能够更好地理解周围环境。

BEVFusion的相机工作流中，图像编码之后FPN+ADP网络的作用FPN大家都很熟悉，就是特征金字塔。但是这里还是贴一些来自GPT的废话FPN能够提供丰富的上下文信息，这对于预测物体在BEV图像中的准确位置至关重要。通过聚合高分辨率的细节信息和低分辨率的上下文信息，FPN增强了算法对物体空间布局的解析能力。

爱听歌的周童鞋

国内首个BEV感知全栈系列学习教程：课程总结自动驾驶之心推出的《国内首个BVE感知全栈系列学习教程》，链接。记录下个人学习笔记，仅供自己参考本次课程主要是课程总结，对之前学习的知识的一个复习

自动驾驶感知新范式——BEV感知经典论文总结和对比（一）博主之前的博客大多围绕自动驾驶视觉感知中的视觉深度估计（depth estimation）展开，包括单目针孔、单目鱼眼、环视针孔、环视鱼眼等，目标是只依赖于视觉环视摄像头，在车身周围产生伪激光雷达点云（Pseudo lidar），可以模拟激光雷达的测距功能，辅助3D目标检测等视觉定位任务，而且比激光雷达更加稠密。这是自动驾驶视觉感知的一个热门研究方向。

基于BEV的自动驾驶会颠覆现有的自动驾驶架构吗很多人都有这样的疑问–基于BEV(Birds Eye View)的自动驾驶方案是什么？这个问题，目前学术界还没有统一的定义，但从我的开发经验上，尝试做一个解释：以鸟瞰视角为基础形成的端到端的自动驾驶算法和系统。

谈一谈BEV和Transformer在自动驾驶中的应用BEV和Transformer都这么火，这次就聊一聊。结尾有资料连接首先，鸟瞰图并不能带来新的功能，对规控也没有什么额外的好处。

解决长尾问题，BEV-CLIP：自动驾驶中复杂场景的多模态BEV检索方法理想汽车的工作，原文，BEV-CLIP: Multi-modal BEV Retrieval Methodology for Complex Scene in Autonomous Driving