[IEEE T-PAMI 2023] 令人惊叹的 BEV 感知研究和自动驾驶领域各个层次的读者指南
[IEEE T-PAMI 2023] 令人惊叹的 BEV 感知研究和自动驾驶领域各个层次的读者指南
[!IMPORTANT] 请持续关注 opendrivelab.com 以获取最新信息!
此仓库与论文 "Delving into the Devils of Bird’s-eye-view Perception: A Review, Evaluation and Recipe" 相关,该论文为 BEV 感知提供了最新的文献综述,并基于 PyTorch 提供了一个开源的 BEV 工具箱。我们还介绍了 BEV 算法家族,包括对 BEV 感知的后续研究,如 VCD、GAPretrain 和 FocalDistiller。我们希望此仓库不仅能成为新手的良好起点,还能帮助当前的 BEV 感知社区的研究人员。
最新的 BEV 感知文献综述
我们总结了近年来关于 BEV 感知的重要方法,包括不同的模态(摄像头、激光雷达、融合)和任务(检测、分割、占用率)。有关综述论文列表的更多详细信息,请参阅 这里。
方便的 BEV 感知工具箱
我们在 BEV 工具箱中集成了许多技巧,这些技巧帮助我们在 Waymo Open Challenge 2022 的基于摄像头的检测赛道中取得第一,这些技巧可以独立使用,也可以作为流行的 深度学习 库的插件。此外,我们还为这一领域的初学者提供了一个适合的练习场,包括实操教程和一个小规模数据集(以 kitti 格式的 1/5 WOD),用于验证。
暂无开放 Issues，或尚未同步最近议题。