https://auto-driving-blog.pages.dev/tags/%EF%B8%8F-bev/ Recent content in 🗺️ BEV on Elon's AD Insight https://auto-driving-blog.pages.dev/images/share.png https://auto-driving-blog.pages.dev/images/share.png Hugo zh-cn Sun, 19 Jul 2026 00:00:00 +0000 https://auto-driving-blog.pages.dev/posts/knowledge/bev%E6%84%9F%E7%9F%A5%E6%8A%80%E6%9C%AF%E8%AF%A6%E8%A7%A3/ Sat, 18 Jul 2026 00:00:00 +0000 https://auto-driving-blog.pages.dev/posts/knowledge/bev%E6%84%9F%E7%9F%A5%E6%8A%80%E6%9C%AF%E8%AF%A6%E8%A7%A3/ BEV 感知将多摄像头画面统一重投影到以自车为中心的鸟瞰图空间，解决了透视图像到度量空间的根本矛盾。本文详细讲解 LSS 与 Transformer 两条主流视角变换路线，以及 BEVFormer 等代表方法的架构设计。BEV 已是现代端到端自动驾驶感知系统的事实标准中间表示。 https://auto-driving-blog.pages.dev/posts/paper-reading/bevformer%E6%84%9F%E7%9F%A5%E7%B2%BE%E8%AF%BB/ Sun, 19 Jul 2026 00:00:00 +0000 https://auto-driving-blog.pages.dev/posts/paper-reading/bevformer%E6%84%9F%E7%9F%A5%E7%B2%BE%E8%AF%BB/ BEVFormer 开创了基于可学习 BEV queries 的时空 Transformer 感知范式，用空间交叉注意力从多视图图像采样特征、用时间自注意力沿时序聚合信息。它纯靠多摄像头就在 nuScenes 上达到 56.9% NDS 逼近 LiDAR 基线。此后几乎所有端到端驾驶方案都沿用其 BEV query+时序融合的基本设计。