3.3.1 LSS

文档摘要

LSS 一、简介当前 BEV 的研究大都基于深度学习的方法，从组织 BEV 特征信息的方式来看，主流方法分属两类：自底向上方法和自顶向下方法。（一）自底向上该方法比较早的代表工作是 LSS，后来 BEVDet、BEVDepth 2 等也是基于 LSS 的框架来进行优化。自底向上方法核心是： Lift：对各相机的图像显性地估计像平面下采样后特征点的深度分布，得到包含图像特征的视锥（点云）； Splat：结合相机内外参把所有相机的视锥（点云）分配到 BEV 网格中，对每个栅格中的多个视锥点进行 sum-pooling 计算，形成 BEV 特征图； Shoot：用 task head 处理 BEV 特征图，输出感知结果。