BEV感知是當(dāng)下量產(chǎn)無人駕駛的主流范式，其關(guān)注的核心是如何將相機(jī)或者激光雷達(dá)采集的數(shù)據(jù)轉(zhuǎn)換到BEV空間。而對(duì)于剛接觸BEV感知的伙伴，總會(huì)有幾個(gè)問題對(duì)他們形成困擾：

1. BEV空間是2D空間還是3D空間？

2. 環(huán)視圖像損失了深度信息，如何將其轉(zhuǎn)換到BEV空間中呢？

3. 開源的BEV算法，自采的數(shù)據(jù)如何適配？

4. BEV與占據(jù)柵格、無圖、端到端的關(guān)聯(lián)是什么？

5. 如何搭建一個(gè)自己的BEV感知系統(tǒng)？

6.BEV感知系統(tǒng)部署到車端時(shí)，會(huì)遇到什么問題，應(yīng)如何解決？

帶著這幾個(gè)問題，有的伙伴讀了幾十篇論文，比如BEVDet, BEVFusion, BEVFormer, PETR系列等，又配合著知乎文章、博客等一起學(xué)習(xí)，勉強(qiáng)搞懂了前兩個(gè)問題，但仍然有大量細(xì)節(jié)不理解，時(shí)間過去了幾個(gè)月，還沒完整跑通BEVDet和BEVFormer的代碼，為什么呢？

究其原因，就是方法不系統(tǒng)、資料分散、知識(shí)碎片化、學(xué)習(xí)路徑不明確、理論與實(shí)踐脫節(jié)、缺乏深度和廣度、缺乏實(shí)戰(zhàn)經(jīng)驗(yàn)等一系列的問題，那后來的他們水平怎么樣呢？

后續(xù)之所以能這么快地搞定BEV感知實(shí)車部署，得益于幾位大佬的指點(diǎn)。他們傳授了BEV感知的發(fā)展脈絡(luò)、主流算法、BEV感知系統(tǒng)搭建經(jīng)驗(yàn)、BEV數(shù)據(jù)處理、模型部署等知識(shí)技能。目前正在挑戰(zhàn)更進(jìn)階的問題：相機(jī)與激光點(diǎn)云的BEV特征融合?，F(xiàn)在這些知識(shí)整理成了更加系統(tǒng)化的課程——『BEV感知理論與實(shí)踐』。接下來給大家介紹一下這門硬核的課程。

課程亮點(diǎn)

全面梳理BEV感知算法及其發(fā)展脈絡(luò)

細(xì)致講解各類代表性算法的代碼實(shí)現(xiàn)

分享BEV落地的工程實(shí)踐經(jīng)驗(yàn)

課程大綱

適合人群

1.希望從事自動(dòng)駕駛視覺感知研發(fā)的在校生

2.企業(yè)中人工智能算法設(shè)計(jì)與工程開發(fā)的工程師

3.自動(dòng)駕駛企業(yè)中其他方向的研發(fā)工程師

學(xué)習(xí)收獲

1.掌握BEV感知的發(fā)展脈絡(luò)：2D-to-3D方法以及3D-to-2D方法；

2.熟悉BEV感知極具代表性的算法原理：BEVDet/BEVPoolv2/ BEVFusion/ BEVFormer；

3.積累BEV實(shí)際落地過程中的經(jīng)驗(yàn)：數(shù)據(jù)處理與推理加速。

掃碼咨詢?cè)斍?/strong>