BEV 自動(dòng)駕駛是當(dāng)前自動(dòng)駕駛領(lǐng)域的一個(gè)重要發(fā)展方向，具有諸多優(yōu)勢(shì)和特點(diǎn)。

BEV 感知算法全稱(chēng)是“Bird-Eye-View（鳥(niǎo)瞰視角）”，它通過(guò)將多個(gè)視角的攝像頭圖像，統(tǒng)一通過(guò)公共的特征提取器，投影到同一個(gè) BEV 空間里。在這個(gè)過(guò)程中，攝像頭接收到影像，通過(guò)視覺(jué)神經(jīng)網(wǎng)絡(luò)的主干網(wǎng)絡(luò)提取影像中的特征值，然后借助 Transformer 算法，把多個(gè)攝像頭影像的特征值放進(jìn)一個(gè) 3D 空間里。

BEV 自動(dòng)駕駛的核心問(wèn)題在于：

如何通過(guò)視角到 BEV 的視角轉(zhuǎn)換來(lái)重建丟失的三維信息；

如何獲取 BEV 網(wǎng)格中的真實(shí)標(biāo)注；

如何制定管線以納入來(lái)自不同來(lái)源和視圖的特征；

隨著傳感器配置在不同場(chǎng)景中的變化，如何適應(yīng)和推廣算法。

對(duì)于重建丟失的三維信息，目前有多種解決方案。比如通過(guò)深度估計(jì)網(wǎng)絡(luò)，利用雷達(dá)作為深度的真值，深度細(xì)化模塊專(zhuān)門(mén)對(duì)深度估計(jì)部分進(jìn)行優(yōu)化。在獲取 BEV 網(wǎng)格中的真實(shí)標(biāo)注方面，需要高精度的標(biāo)注設(shè)備和技術(shù)，以及大量的數(shù)據(jù)積累和優(yōu)化算法。制定管線納入不同來(lái)源和視圖的特征，可以采用解耦傳感器的方式，讓不同傳感器的數(shù)據(jù)都能投影到同一個(gè) BEV 空間。適應(yīng)不同場(chǎng)景變化的算法，則需要不斷訓(xùn)練和優(yōu)化模型，提高其泛化能力。

在實(shí)際應(yīng)用中，BEV 自動(dòng)駕駛有著出色的表現(xiàn)。它能顯著提升自動(dòng)駕駛系統(tǒng)的處理速度與準(zhǔn)確性，甚至可以基于先驗(yàn)知識(shí)，對(duì)被遮擋的區(qū)域進(jìn)行預(yù)測(cè)，大大提升自動(dòng)駕駛對(duì)一些長(zhǎng)尾問(wèn)題（如“鬼探頭”）的預(yù)判能力。

目前，行業(yè)內(nèi)都在瞄準(zhǔn) BEV 算法，雖然模型還沒(méi)有完全收斂，但已經(jīng)有很多企業(yè)和研究機(jī)構(gòu)取得了重要的突破。比如上汽人工智能實(shí)驗(yàn)室依靠 BEV 視覺(jué)感知算法模型，在國(guó)際公開(kāi)榜單 nuScenes 拿下“自動(dòng)駕駛檢測(cè)跟蹤算法”的全球第一。百度推出了車(chē)路一體的 BEV 感知方案 UniBEV，通過(guò)給傳感器做解耦、利用路側(cè)攝像頭、使用無(wú)人出租車(chē)的海量數(shù)據(jù)以及借助高精地圖等手段，發(fā)揮自身優(yōu)勢(shì)。

未來(lái)，BEV 自動(dòng)駕駛有望在深度估計(jì)、多傳感器融合、無(wú)參數(shù)網(wǎng)絡(luò)設(shè)計(jì)以及知識(shí)整合等方面取得進(jìn)一步的發(fā)展，為自動(dòng)駕駛帶來(lái)更安全、高效的解決方案。

（圖/文/攝：太平洋汽車(chē) 整理于互聯(lián)網(wǎng)）