知识点 › 模型训练

BEV 感知

BEV Perception

模型训练Lv.2

定义

把多相机/激光雷达特征投影到统一鸟瞰图空间：BEVFormer（Transformer + 时序）、BEVDet/BEVDepth（LSS 深度估计）、OccNet（占用）。BEV 让「检测/分割/预测/规划」共享同一空间表示。

关键要点

  • 核心难点：深度估计不准、跨相机特征对齐、时序融合的位姿误差累积
  • 训练依赖精确标定与位姿，标定漂移会直接教坏 BEV
  • BEV 的收益是「统一表征」，代价是算力与数据量

面试怎么答

讲清「为什么需要 BEV（统一空间 + 时序融合）」比背网络结构重要。

相关知识

  • 标定与漂移 — 内参（焦距/畸变）、外参（传感器间位姿）、时序标定（时间偏移）。量产车会因震动、温漂、轻微碰撞产生外参漂移，导致融合与…
  • BEV 与点云算子 — BEV 与点云模型的特有算子：体素化（Voxelization）、Pillar 编码、LSS 深度分布与 BEV Po…
  • 数据闭环 — 把「真实世界产生的数据」持续转化为「车端模型能力」的工程体系：车端采集 → 回传 → 存储治理 → 场景挖掘与标注 →…
在星图上打开这颗星 →