现有的自动驾驶车辆的主要目标是从多个传感器抽取语义信息，并将这些语义信息融合成一个 BEV 坐标系下的特征图，然后进行运动规划。本文作者提出了一个方法，该方法将任意多的相机数据转化成BEV下的特征；lift：首先将 Image 信息映射到截头体中，splat：然后将多个截头体进行栅格化，训练结果表明，该模型不仅能够实现对图片信息很好的表达，还能实现对多个图片很好的融合在一个单一的表达，而且对标定误差具有鲁棒性，shoot：当将目标运动的轨迹映射到我们的 BEV 视角下，能够发现我们的模型推断的表示能够实现可解释的运动规划。
在自动驾驶中将多个传感器作为输入，每个传感器都有自己的坐标系，最终需要统一到自车坐标系下进行运动规划：
对于多个相机生成的 Images，可以通过单个 Image 进行检测，然后再进行转换和平移大自车坐标系下，实现多自车的全景检测，并且单个 Image 检测具有平移不变性，转置不变性，自车自车框架下的等距，这三个有价值的性质，但是需要对数据进行后处理实现，而且这种后处理是不能够通过数据驱动的方式实现的。
作者提出了“lift-splat”方法保证了上述的三个对称性有点，但是能够实现端到端训练的模型。“lift” 是通过生成一个截面体，实现将 Images 映射到 3D 空间上；“splat” 是将所有的截面体映射到同一个平面上，方便下游实现运动规划；“shooting” 是将预测轨迹映射到参照平面，可以得到可解释的运动规划。
作者提出了在 BEV 视角下对多个 images 数据进行融合，并且保存了上述的三个有点。作者使用相机的内参矩阵和外参矩阵实现对参照坐标（x, y, z）到像素坐标（h, w, d）的映射。
作者首根据 image 生成一个截面体，并将截面体在depth方向上离散化成 |D| 个点，
对于每一个voxel（h， w）在 image 上都能找到与之对应的特征 c （ c 是已经提取过的上下文特征），由于每个voxel（h， w）都有 |D| 个点与之对应，因此生成一个 |D| - 1 维向量 α，用于表示同一个voxel （h， w）中位置 d 的特征向量：
首先使用内参和外参将 “lift” 得到的 3D 点转化成 BEV平面，然后再利用 pointpilliar 将转化后的 points 利用 sum pooling 转化成bev 下的 featuremap ，实现对离散的矩阵使用离散卷积。
该技巧是基于本文方法用图像产生的点云形状是固定的，因此每个点可以预先分配一个区间（即BEV网格）索引，用于指示其属于哪一个区间。按照索引排序后，按下列方法操作：
可以通过计算该算法的解析梯度，而非使用自动梯度计算以加快训练。该方法被称为“棱台池化”。
本文发布于:2024-01-29 05:16:43，感谢您对本站的认可！
本文链接：https://www.4u4v.net/it/170647660612959.html
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系，我们将在24小时内删除。
| 留言与评论（共有 0 条评论） |
