BEV感知学习在自动驾驶中的应用综述

来源：计算机工程与应用杂志2025年第6期北京时间：

作者：黄德启, 黄海峰, 黄德意, 刘振航

单位：新疆大学 电气工程学院，乌鲁木齐 830017

摘要：自动驾驶感知模块中作为采集输入的传感器种类不断发展，要使多模态数据统一地表征出来变得愈加困难。BEV感知学习在自动驾驶感知任务模块中可以使多模态数据统一融合到一个特征空间，相比于其他感知学习模型拥有更好的发展潜力。从研究意义、空间部署、准备工作、算法发展及评价指标五个方面总结了BEV感知模型具有良好发展潜力的原因。BEV感知模型从框架角度概括为四个系列：Lift-Splat-Lss系列、IPM逆透视转换、MLP视图转换及Transformer视图转换；从输入数据概括为两类：第一类是纯图像特征的输入包括单目摄像头输入和多摄像头输入，第二类在融合数据输入中不仅是简单的点云数据和图像特征的数据融合，还包括了以点云数据为引导或监督的知识蒸馏融合和以引导切片方式去划分高度段的融合。概述了多目标追踪、地图分割、车道线检测及3D目标检测四种自动驾驶任务在BEV感知模型当中的应用，并总结了目前BEV感知学习四个系列框架的缺点。

关键词：BEV感知学习,视图转换,多模态数据融合,多目标追踪,地图分割,车道线检测及3D目标检测