產(chǎn)品詳情
HVTP85-690低壓軟起動 德令哈自來水廠采購
隨著特斯拉和毫末智行等紛紛使用BEV空間轉(zhuǎn)換，近期BEV也引起了行業(yè)內(nèi)的高度關(guān)注，不過當(dāng)前BEV的應(yīng)用實踐并不太多，業(yè)內(nèi)專家仍有很多疑問，BEV感知的模型架構(gòu)是什么？如何在BEV空間內(nèi)做目標(biāo)檢測和模型訓(xùn)練？BEV語義感知地圖是否可以代替高精地圖？當(dāng)前BEV仍有什么挑戰(zhàn)？BEV的技術(shù)壁壘是什么？為什么有的公司可以這么做，而有的公司則不行？
帶著這些問題，九章智駕采訪了毫末智行的技術(shù)總監(jiān)潘興、紐勱科技的視覺專家符張杰、鑒智機器人研究總監(jiān)朱政以及一些其他行業(yè)專家 BEV感知需要什么樣的架構(gòu) 雖然每個公司使用的BEV感知架構(gòu)可能不完全相同，但是大致架構(gòu)類似
#步，先將攝像頭數(shù)據(jù)輸入到共享的骨干網(wǎng)絡(luò)（Backbone），提取每個攝像頭的數(shù)據(jù)特征（feature） 第二步，把所有的攝像頭數(shù)據(jù)（跨攝）進行融合，并轉(zhuǎn)換到BEV空間 第三步，在BEV空間內(nèi)，進行跨模態(tài)融合，將像素級的視覺數(shù)據(jù)和激光雷達點云進行融合
第四步，進行時序融合，形成4D時空維度的感知信息 #后一步，就是多任務(wù)輸出，可以是靜態(tài)語義地圖、動態(tài)檢測和運動預(yù)測等，給到下游規(guī)控模塊使用 BEV感知架構(gòu) 引用自地平線架構(gòu)師劉景初主題為
