独家|自动驾驶的“上帝视角”:最全BEV感知方案梳理(附6个项目实战)
随着自动驾驶对感知精度要求的提升，视觉感知逐渐成为主流。传统方案依赖激光雷达与高精度地图，并需将2D感知结果后处理为3D数据，以支持下游任务。而特斯拉推出的BEVFormer范式，展示了基于“上帝视角”鸟瞰图统一进行感知与预测的可行性，引发了行业广泛跟进。BEV范式的核心优势在于整合。它将3D检测、分割、轨迹预测等原本分离的任务，统一到单一算法框架下实现，避免了传统方案中多模块串联的高成本与复杂性，大幅提升了系统效率与一致性。虽然BEV感知方案在特斯拉、华为、小鹏等头部自动驾驶企业早在23年已量产落地。但是目前对BEV方案进行系统化梳理的教程依然较少，为了让同学们系统化地学习BEV感知的理论及其实践，深蓝学院联合业界资深工程师打磨推出了『BEV感知理论与实践』课程。
团报有优惠，立即抢占名额
自动驾驶高级算法专家，历任百度自动驾驶高级研发工程师，纽劢科技L4部门研发负责人，商汤自动驾驶研发副总监。浙江大学控制系硕士，毕业至今拥有6年+的L4自动驾驶研发经验，擅长3D感知、定位建图和多传感器标定等技术。前小鹏汽车自动驾驶AI团队负责人，在职期间带领团队从零到一搭建了自动驾驶的BEV感知大模型XNet，也参与了中国最大的自动驾驶智算中心“扶摇”的搭建和维护。在XNet技术的驱动下，小鹏城区辅助驾驶XNGP已经在旗舰SUV G9和旗舰轿跑P7i上落地。Patrick本科毕业于北京大学物理学院，博士毕业于密歇根大学安娜堡分校（University of Michigan, Ann Arbor）。在加入小鹏之前，曾在硅谷和圣地亚哥的多家科技公司任职。1.掌握BEV感知的发展脉络：2D-to-3D方法以及3D-to-2D方法；2.熟悉BEV感知极具代表性的算法原理：BEVDet/BEVPoolv2/ BEVFusion/ BEVFormer；3.积累BEV实际落地过程中的经验：数据处理与推理加速。
