🚗 BEV · 嵌入式工程化
📘 从零到一 · 30章 完整目录
1
BEV感知技术概览
从2D视觉到3D鸟瞰视角的演进，BEV在自动驾驶中的核心价值。
2
嵌入式AI基础
嵌入式平台（Jetson、RK3588）的AI算力评估与选型策略。
3
模型轻量化技术（上）
知识蒸馏原理与在BEV任务中的实战应用。
4
模型轻量化技术（下）
模型剪枝与量化（PTQ/QAT）在BEV模型上的落地。
5
BEV模型结构拆解
Backbone、Neck、Head的设计哲学与工程选型。
6
数据工程
BEV数据集（nuScenes、Waymo）的解析与预处理流水线搭建。
7
数据增强
针对BEV空间的几何增强与光度增强策略。
8
模型训练（上）
分布式训练框架（PyTorch DDP）在BEV任务中的配置。
9
模型训练（下）
损失函数设计（Focal Loss、L1 Loss）与训练tricks。
10
模型评估
BEV任务的核心指标（mAP、NDS、ATE）与评估工具链。
11
ONNX与TensorRT入门
模型导出、图优化与FP16/INT8精度调优。
12
TensorRT高级特性
动态shape、多流推理与CUDA内核调优。
13
模型部署（上）
将BEV模型部署到Jetson Orin平台的全流程。
14
模型部署（下）
在RK3588上部署BEV模型，NPU适配与性能调优。
15
嵌入式推理框架
NCNN、MNN、TNN的选型对比与BEV适配。
16
推理加速
算子融合、内存复用与异步流水线设计。
17
嵌入式视觉管线
Camera驱动、ISP参数调优与图像采集同步。
18
多传感器标定
Camera与Lidar的联合标定原理与工程实现。
19
嵌入式BEV推理管线
从图像采集到BEV特征输出的全链路设计。
20
后处理与可视化
BEV空间的目标检测结果解码与可视化方案。
21
嵌入式实时系统
RTOS与Linux PREEMPT_RT在BEV任务中的选择。
22
性能剖析与优化
使用NVIDIA Nsight、perf等工具定位性能瓶颈。
23
内存管理
嵌入式平台的内存带宽优化与缓存一致性处理。
24
功耗优化
DVFS、GPU频率调节与模型推理功耗的平衡艺术。
25
安全与可靠性
模型输出的异常检测与系统降级策略。
26
端到端BEV感知系统
从传感器输入到规划控制的闭环实践。
27
前沿探索：BEVFormer
基于Transformer的BEV模型（BEVFormer）的嵌入式适配。
28
前沿探索：Occupancy Network
Occupancy Network在嵌入式平台的落地挑战。
29
项目实战（上）
搭建一个完整的BEV感知Demo系统。
30
项目实战（下）
系统联调、路测与性能报告输出。