qq_44799766的博客

论文名字其中关键词是Spatiotemporal 时空的 , 分开即 spatia 空间的l ,temporal 时间的。可见本论文在BEV感知上引入了时间和空间的因素。相比之前的BEV算法来说，这是比较有创新的一点。具体的，下图所示，上面的分支进行空间特征（多视角图像特征）注意力（spatial cross-attention）。下面的分支进行时间特征注意力(temporal self-attention)，可以看到作者这里把前一时刻(t-1时刻）的BEV特征当作是时间特征。

一种非常经典的多模态融合感知方案叫 BEVFusion。这是一种用于多任务多传感器 3D 感知的高效通用框架。BEVFusion 将相机和 LiDAR 功能统一在共享 BEV 空间中，完全保留几何和语义信息。相机和点云分支没有明显的主次关系，相互独立，结果上又相辅相成。高效、准确的多传感器感知对于自动驾驶汽车的安全至关重要。BEVFusion 将最先进的多传感器融合模型的计算成本降低了一半，并在小而远的物体以及雨天和夜间条件下实现了大幅精度提高。它为安全、稳健的自动驾驶铺平了道路。

Lift splat shoot论文讲解，主要针对于Lift模块