【BEV感知算法概述——下一代自动驾驶感知算法】

BEV感知算法概念

Bird’s-Eye-View，鸟瞰图（俯视图）。BEV感知算法存在许多的优势。

首先，BEV视图存在遮挡小的优点，由于视觉的透视效应，现实世界的物体在2D图像中很容易受到其他物体的遮挡，因此，传统的基于2D的感知方式只能感知可见的目标，对于被遮挡的部分算法将无能为力。

而在BEV空间内，时序信息可以很容易地被融合，算法可以基于先验知识，对被遮挡的区域进行预测，“脑补”出被遮挡的区域是否有物体。虽然“脑补”出来的物体固然有“想象”的成分，但对后续的控制模块来说，还是有不少益处。

此外，BEV感知算法的尺度变化小，将尺度相对一致的数据输入到网络中，可以得到更好的感知结果。

BEV感知算法数据集介绍

2.1 kitti-360数据集

kitti-360是一个包含丰富感官信息和完整注释的大规模数据集。我们记录了德国卡尔斯鲁厄的几个郊区，在73.7公里的驾驶距离内，对应超过