重塑路侧BEV感知！BEVSpread：全新体素化暴力涨点（浙大&百度）

文章预览

前言   先前的工作主要集中在准确估计2D到3D映射的深度或高度，忽略了体素化过程中的位置近似误差。受此启发，本文提出了一种新的体素化策略来减少这种误差，称为BEVSpread。具体而言，BEVSpread不是将包含在截头体点中的图像特征带到单个BEV网格，而是将每个截头体点作为源，并使用自适应权重将图像特征扩展到周围的BEV网格。 Pytorch训练营，花两个星期彻底掌握代码实现 CV各大方向专栏与各个部署框架最全教程整理 CV全栈指导班、基础入门班、论文指导班 全面上线!! 开源链接：https://github.com/DaTongjie/BEVSpread 介绍 以视觉为中心的3D目标检测在自动驾驶感知中发挥着关键作用，有助于准确估计周围环境的状态，并以低成本为预测和规划提供可靠的观测结果。现有的大多数工作都集中在自车辆系统上，由于缺乏全局视角和远程感知能力的限制，该 ………………………………