BEV 论文学习

Vision-Centric BEV Perception: A Survey

许多方法被提出以解决从透视视图（Perspective View, PV）到 BEV 的转换问题，本文将它们分为基于几何、基于深度、基于 MLP 和基于 Transformer 的四类方法。

此外，本文还探讨了 BEV 感知的扩展应用，如多任务学习、多模态融合和语义占据预测等。

1. 背景介绍

BEV 感知的核心任务是将 PV 中的图像序列转换为BEV特征，并在BEV空间中进行感知任务（如3D目标检测和语义地图生成），能够提供精确的定位和绝对尺度信息，便于多视图、多模态和时间序列数据的融合。

但由于摄像头通常安装在车辆上，捕捉到的图像是透视视图，如何将 PV 转换为 BEV 仍然是一个具有挑战性的问题。

3. 主要方法分类

基于几何的方法
- 优势：这类方法主要依赖于逆透视映射（IPM），通过几何变换将 PV 图像转换为 BEV 图像。
- 缺陷：但 IPM 假设地面是平坦的，因此在复杂场景中（如存在高度变化的物体）会产生失真。为了减少失真，一些方法引入了语义信息或使用 GAN 。
基于深度的方法
通过深度估计将 2D 特征提升到 3D 空间，然后通过降维得到 BEV 表示。深度估计可以是显式的（如通过深度图）或隐式的（如通过任务监督）。
- 点云方法：将深度图转换为伪 LiDAR 点云，然后使用 LiDAR 检测器进行 3D 检测
- 体素方法：将 2D 特征映射到 3D 体素空间，并通过体素特征进行 BEV 感知
基于MLP的方法
- 优势：MLP 方法不依赖于摄像头的几何参数，而是通过学习隐式表示来完成视图转换。
- 缺陷：尽管 MLP 具有通用逼近能力，但由于缺乏深度信息和遮挡问题，视图转换仍然具有挑战性。
基于Transformer的方法：

February 13, 2025

「算法模版」基础

主要思想
代码模版
- 背过：快速默写，调试通过
  - 先看模版思想 —— 模版已为我们考虑好了所有边界情况
  - 默写一遍（用题目）
- 提高熟练度
  - 一道题目重复3-5次

一、排序

1. 快速排序

核心思想 —— 分治
1. 确定分界点x
2. 调整区间
3. 递归处理左右两段
调整区间的暴力做法：选定x，开a,b两数组，遍历q，小于x放a，大于x放b。
优雅做法：用两个指针i、j，分别指向第一和最后一个数，两指针向中间移动，使得i左小于x，j右大于x；否则交换i、所指的数。

February 13, 2025

unordered_map

1. 创建 `unordered_map` 对象

#include <unordered_map>
#include <string>

int main() {
    // 默认构造函数
    std::unordered_map<std::string, int> map1;

    // 初始化列表构造函数
    std::unordered_map<std::string, int> map2 = {{"apple", 1}, {"banana", 2}};

    // 拷贝构造函数
    std::unordered_map<std::string, int> map3(map2);

    return 0;
}

2. 插入

insert

插入一个键值对

map1.insert({"orange", 3});
map1.insert(std::make_pair("grape", 4));

operator[]
通过键插入或访问值。如果键不存在，会插入一个默认值。
```
map1["apple"] = 10; // 插入或修改
int value = map1["apple"]; // 访问
```

3. 访问元素

at
访问指定键的值，如果键不存在会抛出 std::out_of_range 异常。
```
int value = map1.at("apple");
```
operator[]
访问或插入指定键的值。
```
int value = map1["apple"];
```

Articles

The soul selects her own society, then shuts the door. To her divine majority, present no more.