智能驾驶行业研究报告：特斯拉FSD（51页）

行业报告下载 2023年12月01日 07:43 142 管理员

BEV：BEV为鸟瞰图，是不同视角的摄像头捕捉的图像统一投射到同一个BEV空间，形成鸟瞰图。为什么需要：和传统的图像空间感知相比，BEV感知可以将多个传感器采集到的数据输入到统一的空间进行处理，有效解决了2D图像视角的遮挡问题、避免了误差叠加，也使得时间融合更容易形成4D空间。同时，感知和预测在同一个空间进行，可以通过神经网络快速迭代数据，实现端到端的优化。

Transformer是一种基于注意力机制的神经网络模型，可以更好地实现图像数据至BEV视角的转化。特斯拉先在BEV空间层中初始化特征，再通过多层的Transformer和2D图像特征进行交互融合，迭代处理后最终得到BEV特征。Occupancy Network：占用网络是一种不同的算法，基于机器人思想，称为占用网格映射。它将世界划分为一个网格单元，然后定义哪个单元被占用，哪个是空闲的。占用网络的理念是获得体积占用，它是3D的。为什么需要：更好的表达来描述长尾障碍物，完整估计3D空间里每一个位置的占据情况（occupancy）、语义（semantic）和运动情况（flow）。