着眼趋势，挑战3个月成功将BEV感知技术部署到车上

文章预览

BEV感知是当下量产无人驾驶的主流范式，其关注的核心是如何将相机或者激光雷达采集的数据转换到BEV空间。而对于刚接触BEV感知的伙伴，总会有几个问题对他们形成困扰： 1. BEV空间是2D空间还是3D空间？ 2. 环视图像损失了深度信息，如何将其转换到BEV空间中呢？ 3. 开源的BEV算法，自采的数据如何适配？ 4. BEV与占据栅格、无图、端到端的关联是什么？ 5. 如何搭建一个自己的BEV感知 系统， 6. BEV感知系统 部署到车端时，会遇到什么问题，应如何解决 带着这几个问题，有的伙伴读了几十篇论文，比如BEVDet, BEVFusion, BEVFormer, PETR系列等，又配合着知乎文章、博客等一起学习，勉强搞懂了前两个问题，但仍然有大量细节不理解，时间过去了几个月，还没完整跑通BEVDet和BEVFormer的代码，为什么呢？ 究其原因，就是 方法不系统 、资料分散、知识碎片化、学 ………………………………