BEV学习笔记1——自动驾驶入门第一步

lminyo

2026 年 06 月 24 日

14 次浏览

暂无评论

1417字数

笔记

# BEV学习笔记——自动驾驶入门第一步

**BEV全程Bird Eye View，中文名鸟瞰图，通过视觉、点云（激光雷达采集）、或者两者结合的方式，进行矩阵转换得到BEV图像**

**特斯拉采用的是纯视觉(BEV Camera)方案，国内厂商主要采用点云和视觉融合方案（BEV fusion）或者单纯点云（BEV Lidar）方案**

![BEV概念图](https://lminyo.com/usr/uploads/2026/06/2199712980.png)

## 主流开源数据集

**目前主流两大数据集是Kitti和nuScenes**

**Kitti：**[https://www.cvlibs.net/datasets/kitti/eval\_object.php?obj\_benchmark=3d](https://www.cvlibs.net/datasets/kitti/eval_object.php?obj_benchmark=3d)

**nuScenes：**[https://www.nuscenes.org/nuscenes#download](https://www.nuscenes.org/nuscenes#download)

## BEV LiDAR通用模式分类

**Pre-BEV Feature Extraction：先提取特征后生成BEV表征**

**代表性算法PV-RCNN**

**Post-BEV Feature Extraction：先转换成BEV视图后提取特征**

**代表性算法PointPillar**

![image-20260624210407979](https://lminyo.com/usr/uploads/2026/06/1164870499.png)

**相比之下Point Pillar的速度更快**

### PV-RCNN算法

![image-20260624210731206](https://lminyo.com/usr/uploads/2026/06/3970192207.png)

**它结合两个特征表示方式，分别是点特征（Point）和体素（Voxel）两种，体素是把场景（空间）分割成一个个小方块**

**这个算法比较难理解，它有两个步骤：**

**一个是点云中提取关键点**

**另外一条是点云体素化，经过3D卷积化找到强语义（与某个部分强相关）的体素，例如这个体素是车子的哪个部分**

**最后第一个步骤的关键点以球面范围查询周围经过第二部卷积化的体素方块（查询领域），将特征再次聚合起来**

## BEV Camera

![image-20260624220139775](https://lminyo.com/usr/uploads/2026/06/2702600683.png)

**BEV Camera主要给予特征提取，然后通过2D转3D的方式进行特征提取，3D转2D是因为利用了深度预测模型2D转3D后，重新通过相机模型投影成2D图像，进行训练，并非两者融合，论文容易误解**

**一般情况是这样子，2D先提取特征，然后通过深度模型得到可能的z坐标，然后转成3D再来BEV**

最后修改：2026 年 06 月 24 日

如果觉得我的文章对你有用，请随意赞赏

BEV学习笔记1——自动驾驶入门第一步

lminyo • 2026 年 06 月 24 日

BEV学习笔记1——自动驾驶入门第一步

发表评论取消回复
使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款

2026年Frida逆向学习通——上

欢迎使用 Typecho

从GBL漏洞到Portal虚拟定位——2026安卓玩机全链路

批改网油猴脚本（去除复制粘贴限制）

计算机二级c语言学习笔记

Transformer架构学习——符号主义与联结主义

学院构想家——前言及cheatEngine寻找基地址

从GBL漏洞到Portal虚拟定位——2026安卓玩机全链路

欢迎使用 Typecho

BEV学习笔记1——自动驾驶入门第一步

BEV学习笔记1——自动驾驶入门第一步

发表评论 取消回复 使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款

BEV学习笔记1——自动驾驶入门第一步

发表评论取消回复
使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款