通过TranSfOrmer等网络结构，统一转换到车辆上方的鸟瞰视角坐标系下，生成统一的、稠密的环境表征。
这更符合自动驾驶的决策需求。”
他展示了仿真环境下的BEV感知效果，车辆、车道线、可行驶区域等元素清晰直观。
“目前，我们的BEV感知原型在nUSCeneS数据集上的目标检测mAP值已提升至52.7%，接近行业头部开源方案水平，但距离量产落地还有距离，主要在实时性和车规级芯片的部署优化上。
投入占比约25%。”