基于 Transformer-based 的快速高效鸟瞰图观测实例预测方法 ！

文章预览

ADAS  Laboratory 点击上方 蓝字 关注  智驾实验室           加入【 智驾实验室 】交流群， 获取更多内容和资料 准确的目标检测和预测对于确保自动驾驶架构的安全性和效率至关重要。 预测物体轨迹和占用情况使得自动驾驶车辆能够预测运动并利用未来信息做出决策，从而增加其适应性并减少事故风险。 当前最先进（SOTA）的方法往往将检测、跟踪和预测阶段隔离，这可能导致由于阶段间累积的不准确性而导致显著的预测错误。 近年来，通过Bird's Eye View (BEV)变换改进了多摄像头感知系统的特征表示，推动了能够直接从车辆传感器数据中预测环境元素的端到端系统的开发。然而，这些系统通常具有高处理时间和大量参数，这为实际部署带来了挑战。 为了解决这些问题，本文介绍了一种基于简化范式的BEV实例预测架构，该架构仅依赖于实例分割和流 ………………………………