BEV_tech技术个人简述

由论文引发的BEV学习

在自动驾驶的路径规划中，BEV、Slam都是相当关键的技术，而相比于我们的Slam（实时连续定位建图），城市自动驾驶中，道路可通过性判断的’静态部分’（如车道线、禁行区）可依赖高精地图，而 BEV 需重点处理’动态可通过性’（如临时障碍物、车辆加塞），毕竟在城市中的道路都是结构化的，十分工整，且基于现在十分发达的导航体系，车辆的基本轨迹可以依托GPS完成确定，而相对而言BEV更需要承担对于此时路况的判断，那么俯视的鸟瞰图较我们的Slam三维图更具备优势，可以直观地判断我们各个车道的相应情况，完成自主驾驶规划。而Slam技术更为广泛的用于越野行驶中无先验地图、GPS的场景，此时我们甚至无法对前方路况起伏进行判断，那么我们显然需要对当前的行驶场景进行一个三维的地图建立，完成对应的实时地图的建立用于路径规划的判断。而BEV技术我从未进行过复现与了解，上述想法也是基于当下从论文中的感受和简单的查询资料了解的而得，后续进入对BEV技术的细节描述

BEV技术的相关概述

BEV，全称为‘Bird’s Eye View’（鸟瞰图），将自主行驶的驾驶器通过其传感器数据转换，以得到一个类似鸟类的俯视角，实现多维数据的统一，可用于后续的路径规划探测等

由自上而下的视角而言，那么对于本身就处在高处的无人机而言，是否存在BEV的说法，还是本身就是一种BEV呢，此时的数据还是否需要转换

BEV技术本身是一种用于决策如何对数据统一进行“统一空间表征” ，而如何进行数据转换才是关键，将数据进行合理转换和统一融合处理，即可得到一个类似上帝视角的规划者，则从上帝视角可以完成对于驾驶器的自主规划。毕竟当驾驶器被以俯视视角确定时，我们的行驶场景则更为便捷的去寻找到一条最优的路径行驶（在路径上确定外来干扰的语义，保证我们不会因为某些意外实物导致场景建模的错误使得路径决策发生重大错误）
而如何将多数据进行融合得到我们的BEV视角下的场景信息用于规划才是当前的研究难点，保证我们各类传感器的数据相互统一协调，完成对于相机的二维视角到三维视角深度估计（当时主流似乎是使用深度学习的方法去对深度进行估计）

BEV现状

传统 BEV 构建的‘自上而下方法’核心是‘全局先验地图 + 局部传感器匹配’—— 以高精度 HD 地图为基础，用当前传感器（如相机、激光雷达）的局部数据（如车道线、障碍物位置）与地图匹配，补全动态信息生成 BEV；‘自下而上方法’核心是‘无全局先验，纯传感器原始数据生成 BEV’—— 如纯视觉通过深度估计反推 3D 坐标再投影，或激光雷达 3D 点云直接投影到 BEV 平面，无需依赖先验地图”

在结构化城市道路中，显然我们的城市道路的先验地图已经处于较为发达的情况，因而对于自上而下的匹配是很好的，或许对于大型载具而言装配较大算力的机载电脑并不虚幻，但对于追求轻量化的小型自动驾驶设备而言，显然是困难的

BEV算法数据

BEV算法数据形式通常有三种，纯图像、点云、图像点云融合

纯图像数据

纯图像数据的来源基于我们的车载相机，此时要保证BEV视角下相机的全面覆盖，显然车载需要配备多个相机，从相机中提取我们的特征数据用于对应BEV模型的建立。
典型模型有BEVFormer，输入多视角的图像数据，进行图像的主干信息提取通过提取网络完成对应BEV特征的输出，最后经过任务头完成最后的BEV视角地图建立

点云数据

点云数据源自我们的激光雷达，其通常具有稀疏、离散、数据量大的特征，因而对于我们点云的重建是较为困难， 其数据集离散化，丢失信息过多，且数据量大，包含大量无效数据，此时对计算性能的要求较高。故我们通常不会只使用我们的激光雷达用于我们的BEV视角图建立
但纯激光雷达 BEV 在‘无纹理、高精度需求场景’（如矿区自动驾驶、室内 AGV）仍有广泛应用——激光雷达的厘米级定位精度可直接生成可靠 BEV；仅在‘复杂城市场景’中，因点云语义缺失（需图像补充纹理类别），才更倾向多模态融合

图像点云结合

对于两种数据的结合，可以很好的相互弥补两者的缺点，帮助图像信息有更好的深度确定，使得点云视觉带有我们的语义信息，便于对无效点云信息的舍去。
但当前的主流是将两种数据分别提取得到我们的BEV地图，在进行加权处理，显然直接的加权的方法没有很好的结合两种数据各自的优点，而是单一的、机械的结合，无法将两种数据互补的最佳的性能发挥
但也有论文开始逐步对我们的机械融合进行反驳，引入新的创新，这后续或者将成为论文的创新点来源