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


