用BEVformer来卷自动驾驶-3

书接前文

      前文链接： 用BEVformer来卷自动驾驶-2 (qq.com)

      上文书基本把BEV的概念捋清楚了，也对标准BEV可能存在的计算和显存的压力做了一番分析

      这篇就是介绍BEVformer是个啥

      先给个定义，BEVformer就是个基本框架：

1-通过多个摄像头来进行特征融合，纯视觉方案

2-通过特征对齐，将attention应用于时间与空间维度

3-Attention也是极简attention，抛弃多余的特征，在允许的范围内，尽量的粗粒度分布的空间（省资源）

4-Deformable-attention(这个估计大概率得开一门新篇了，这里就简单介绍一下)

      举些例子说明它怎么做到的以上的能力和思路

      老图新改

      按照下图说，比如我要求橙色箭头上对应的这个点的特征，那如果我想求出这个点的特征，要和其他6个矩阵中的哪几个矩阵去做乘法呢（没错其实就可以简单理解成矩阵乘），如果我要全做，那这个框架等于没意义