【BEV】BEVFormer总结

本文分享BEV感知方案中，具有代表性的方法：BEVFormer。
它基于Deformable Attention，实现了一种融合多视角相机空间特征和时序特征的端到端框架，适用于多种自动驾驶感知任务。
主要由3个关键模块组成：
BEV Queries Q：用于查询得到BEV特征图
Spatial Cross-Attention：用于融合多视角空间特征
Temporal Self-Attention：用于融合时序BEV特征
基本思想：使用可学习的查询Queries表示BEV特征，查找图像中的空间特征和先前BEV地图中的时间特征。
推荐学习路径：
DETR→Deformable DETR→BEVFormer。

一、 Bevformer整体结构

如上图所示，BEVFormer由如下三个部分组成：

• backbone：用于从6个角度的环视图像中提取多尺度的multi-camera feature
• BEV encoder：该模块主要包括Temporal self-Attention 和 Spatial Cross-Attention两个部分。