单目 BEV 的开源项目有不少，以下是一些较为知名的：
- BEV-LaneDet：这是一个高效且简单的单目 3D 车道线检测方法。它引入了 Virtual Camera，统一了安装在不同车辆上的相机的内 / 外参数，还提出了空间转换金字塔和关键点表示法，在 OpenLane 数据集上 F-Score 优于最先进的方法，在 V-100 上速度为 185FPS。
- BEVSpread：由浙大与百度提出，是一种新的体素化策略，旨在减少体素化过程中的位置近似误差。它将每个截头体点作为源，并使用自适应权重将图像特征扩展到周围的 BEV 网格，在定制的 CUDA 并行加速的帮助下，实现了与原始体素化相当的推理时间，可显著提高现有基于 frustum 的 BEV 方法的性能。
- BEVFusion 复现项目：该项目提供了 BEVFusion 代码复现的详细步骤，包括环境部署指南、常见问题及解决方案、数据集准备和预训练权重下载说明，以及训练和测试的配置文件。项目使用 PyTorch 1.10.0 和 CUDA 11.3，推荐使用 nuscenes - mini 数据集，支持训练和测试结果的可视化。
- RoadBEV：该项目专注于自动驾驶领域，利用单目和双目视觉技术进行道路表面的高精度重建，其中 RoadBEV - mono 是基于单目视觉的实现。它可以实时重建道路表面，为车辆的悬挂系统提供精确的路面高程信息，也可应用于智能交通监控系统。项目使用 OpenCV 进行图像处理和视觉算法实现，利用 PyTorch 进行模型训练和推理。
- Paddle3D：百度飞桨开源的 3D 感知框架，支持端到端 3D 感知任务，包括 BEV、单目、激光雷达等，集成了真值库优化策略，兼容 Apollo 生态，降低了工业落地门槛，支持 KITTI、Waymo、nuScenes 等数据集。
