两篇BEVfusion原理总结及区别

一、阿里和北大版：BEVFusion: A Simple and Robust LiDAR-Camera Fusion Framework

总结：
重点: 介绍了一个融合摄像头和激光雷达数据的框架，用于3D对象检测。其创新之处在于使摄像头流程不依赖激光雷达输入，解决了现有方法过度依赖激光雷达数据的局限性。

方法: BEVFusion框架使用两个独立流程来处理激光雷达和摄像头数据，然后在鸟瞰视图(BEV)层面进行融合。这种方法即使在激光雷达功能失常，或摄像头失常的情况下也保证了稳健性。

简洁版总结：

BevFusion： A Simple and Robust LiDAR-Camera Fusion Framework(北大阿里的)_bevfusion: a simple and robust lidar-camera fusion-CSDN博客https://blog.csdn.net/2301_77102499/article/details/137194100?spm=1001.2014.3001.5502

具体细节版：

Camera Stream 、 LiDAR Stream 和 Fusion详细介绍：

三. LiDAR和Camera融合的BEV感知算法-BEVFusion_mit的bevfusion和北大的bevfusion的区别-CSDN博客https://blog.csdn.net/qq_40672115/article/details/134891133

二、MIT-麻省理工版：BEVFusion: Multi-Task Multi-Sensor Fusion with Unified Bird’s-Eye View Representation

2.1 框架流程总结如下：

        1、对于每个传感器（Lidar and Camera）输入，首先使用特定模态的编码器提取各自的特征，然后将多模态特征转换到一个统一的BEV空间表示，既保留了几何和语义信息；

        2、在将所有特征转换为BEV时，确定了视图转换中主要的阻碍效率瓶颈：BEV池化操作 占用模型运行时的80%以上。 然后，我们提出了一个具有预计算和间隔缩减的专用核来消除这一瓶颈，实现了BEV pooling的40%以上的加速比。

        3、然后，我们应用全卷积BEV编码器融合统一的BEV特征，以缓解不同特征之间的局部错位。并附加了一些特定于任务的头来支持不同的 3D 任务。

2.2 过程详细介绍、及MIT版代码解析：

【论文阅读】ICRA 2023|BEVFusion：Multi-Task Multi-Sensor Fusion with Unified Bird‘s-Eye View Representation_bevfusion论文-CSDN博客https://blog.csdn.net/QLeelq/article/details/128546707

三、两篇BEVformer的区别

阿里和北大版：主要是讲让激光和相机在融合前独立运行，剥离依存关系；

MIT-麻省理工版：主要讲解决融合时BEV特征统一性问题，并对该方式的运行效率做了优化。