BEV 鳥瞰感知 (Bird's Eye View)

BEV 感知（Bird's Eye View Perception） 係自動駕駛領域嘅一項核心技術，指將車輛周身多個傳感器（例如攝像頭、激光雷達）採集嘅數據，統一轉換至一個以自車為中心嘅俯視坐標系中，構建一張全局、統一嘅環境地圖。

💡 佢解決咗咩問題？

喺自動駕駛入面，唔同傳感器「睇」世界嘅方式完全唔同：前視攝像頭捕捉紅綠燈同埋車道線，環視攝像頭偵測車身盲點，激光雷達用三維點雲描繪障礙物形狀。呢啲數據來自唔同坐標系、格式亦各唔同，要令佢哋協同工作，就必須首先「翻譯」成一種通用語言。

BEV 感知就係做緊呢樣嘢。佢提供咗一個「上帝視角」，消除咗傳統前視視角下近大遠細嘅透視失真，令所有物體保持絕對且一致嘅尺度，極大地方便咗下游嘅決策同規劃任務。

⚙️ 關鍵技術路線：由幾何變換到深度學習

BEV 感知經歷咗由幾何方法到深度學習方法嘅技術演進：

1. 早期幾何方法（IPM）
早期主要依賴逆透視映射（IPM），基於「地面係平坦嘅」假設將圖像投影到俯視圖。呢種方法計算簡單，但係遇到上下坡或顛簸路面時誤差會快速累積，因此有較大局限性。

2. 深度學習時代
LSS（Lift, Splat, Shoot）：BEV 感知嘅代表性方法之一，先將圖像特徵「提升」到 3D 空間，再「投射」到 BEV 平面上，實現咗由圖像到俯視圖嘅端到端學習。

Transformer 架構：BEVFormer係純視覺路線嘅一個重要節點，佢引入 Transformer 架構，透過預定義嘅 BEV 查詢向量，直接由多攝像頭圖像中聚合空間同時間資訊，生成統一嘅 BEV 特徵圖。BEVFormer 喺 nuScenes 數據集上取得咗與激光雷達基線相當嘅成績，證明咗純視覺方案嘅巨大潛力。

🚀 核心優勢：點解佢咁重要？

1. 多傳感器融合嘅「統一空間」
BEV 為多傳感器提供咗一個共享框架：攝像頭提供紅綠燈顏色、行人姿態等語義資訊；激光雷達提供精確嘅幾何形狀；毫米波雷達提供速度資訊。呢啲異構數據喺 BEV 統一坐標系下被整合成一張包含位置、屬性同動態資訊嘅完整環境地圖。

2. 任務協同同效率提升
統一嘅 BEV 表征係後續感知、預測同決策任務嘅「共同語言」。佢支援多任務輸出（例如 3D 目標檢測、地圖分割、車道線檢測等），透過共享主幹特徵減少重複計算，提高咗量產部署效率。

3. 降低算力門檻
BEV 感知正由高端走向普及，已有方案能夠喺低至8TOPS嘅算力平台上實現 BEV 感知量產落地，為中低端車型提供高階智駕能力鋪平咗條路。