🚗 BEV 鸟瞰感知
30章 · 从入门到前沿
🌟 友好色系 · 活力课程
01
BEV感知概述
演进
从2D视觉到3D鸟瞰视角的演进 · BEV核心优势 · 行业应用全景图
02
坐标系与空间变换
几何
相机/车辆/世界坐标系 · 内外参矩阵 · 坐标变换数学基础
03
BEV感知基础
IPM
透视变换原理 · 逆透视映射(IPM) · IPM局限性与改进
04
深度学习基础回顾
特征
CNN特征提取 · Transformer注意力 · 特征金字塔(FPN)
05
BEV特征表示
网格
网格化表示 · 离散化策略 · 特征对齐 · 分辨率选择
06
LSS范式详解
Lift-Splat
Lift-Splat-Shoot核心 · 深度分布预测 · 体素池化操作
07
BEVFormer架构
注意力
可变形注意力 · 时序融合 · 空间交叉注意力
08
BEVDet系列
检测
基于检测的BEV方案 · 多尺度特征融合 · 速度与精度权衡
09
BEVDepth
深度监督
显式深度监督 · 深度估计网络 · 与LSS对比分析
10
SOLOFusion
长时序
长时序融合策略 · 记忆机制 · 效率优化
11
时序融合
运动补偿
帧间对齐 · 运动补偿 · 滑动窗口策略
12
多模态BEV融合
激光雷达
相机-激光雷达融合 · 特征级融合 · 决策级融合
13
3D目标检测
检测头
检测头设计 · 中心点检测 · 尺寸回归 · 朝向估计
14
语义分割
车道线
道路结构分割 · 可行驶区域识别 · 车道线检测
15
轨迹预测
运动预测
目标运动预测 · 交互建模 · 多模态轨迹生成
16
在线建图
高精地图
高精地图构建 · 语义地图更新 · 拓扑关系学习
17
占据网格预测
Occupancy
Occupancy Network · 体素占用预测 · 场景理解
18
数据增强
增强策略
几何增强 · 光度增强 · 混合增强策略
19
标签分配
匹配
正负样本定义 · 匹配策略 · 损失函数设计
20
后处理
NMS
NMS优化 · 类别平衡 · 置信度校准
21
模型部署
TensorRT
ONNX导出 · TensorRT优化 · 量化感知训练
22
评测指标
mAP/NDS
mAP · NDS · ATE · ASE · AOE指标详解
23
主流数据集
nuScenes
nuScenes · Waymo · Argoverse2 · KITTI的BEV标注
24
域适应
泛化
跨场景泛化 · 仿真到真实迁移 · 天气鲁棒性
25
小样本学习
元学习
数据稀缺场景 · 元学习策略 · 自监督预训练
26
知识蒸馏
教师-学生
教师-学生框架 · 特征蒸馏 · 响应蒸馏
27
模型压缩
剪枝
剪枝 · 量化 · 轻量化架构设计
28
安全与鲁棒性
对抗
对抗攻击 · 异常检测 · 冗余设计
29
端到端方案
UniAD
UniAD · VAD · 端到端自动驾驶架构
30
未来展望
世界模型
下一代架构 · 世界模型 · 通用感知基础模型