参考代码:None
1. 概述
介绍:这篇文章构建bev特征是将bev grid作为query通过transformer完成的,同样为了减少计算量也使用了deformable attention操作。不过有一点是跟别的方法不一样的,那就是这篇文章的方法完全没有使用任何相机标定信息,全是通过数据驱动参数学习的形式,但是这样带来的问题是收敛速度会比较慢一点。此外,对于CNN网络部分使用self-deformable attention实现特征优化,以生成表达能力更好的bev特征。
下图展示的是bev query如何映射到图像特征的:
在之前的一些方法中是通过相机内外参数实现bev grid与图像特征图上reference point的映射,而这篇文章则使用的是全连接学习的形式,带来的好处是无需相机内外参数,这样可以避免对相机参数的依赖和相机参数偏移性能下降。带来的负面影响便是对数据更加依赖并且训练时长增加。
文章方法收敛曲线:
2. 方法设计
2.1 pipeline
文章方法的pipeline见下图所示: