37、自动驾驶鸟瞰视图感知技术解析

自动驾驶鸟瞰视图感知技术解析

1. LiDAR 基 BEV 感知方法

LiDAR 基 BEV 感知存在不同的技术路线，其中一种是在体素上直接进行特征提取，另一种是先将 LiDAR 点云转换到 BEV 空间再进行 2D 特征提取。
- 直接在体素上进行特征提取
- CenterPoint ：在众多体素上执行特定机制。
- SST ：借鉴 Swin Transformer 中移动窗口的思想，将体素化的点云空间划分为窗口，应用稀疏区域注意力和窗口移动来避免下采样导致的信息损失。
- AFDetV2 ：引入关键点监督作为辅助任务，并采用多任务头构建单阶段无锚网络。
- 先转换到 BEV 空间再进行 2D 特征提取（Post - BEV 方法）
- MV3D ：先将 LiDAR 点云转换到 BEV 空间，在 BEV 空间生成 3D 物体提议，再将其投影回三个视图。对每个视图使用 ROI 池化提取区域特征，通过深度融合网络融合这些特征，最后联合预测 3D 边界框和物体类别。
- PointPillars ：“pillar” 是一种高度无限的独特体素，该方法利用 PointNet 的精简版本学习柱子中点的表示，然后应用标准 2D 卷积网络和检测头处理编码后的特征。虽然其性能不如一些先进方法，但效率高，适合工业应用。

下面用 mermaid 流程图展示 MV3D 的工作流程：