相机和激光雷达前融合效果示意图（来自驭势公众号）
坐标系的不同，也导致前融合的效果并不理想，一方面，前融合需要处理的数据量较大，对算力要求较高；另一方面，前融合要想达到好的效果，对融合策略要求较高，过程非常复杂，所以目前业内应用并不多。
为了解决异构传感器坐标系不一致的问题，开发人员常常会把视觉2D图像转到3D坐标系下，这样就和其他传感器数据，如激光雷达点云数据，所在的空间保持一致，从而可以在相同坐标系下进行融合。
将视觉信息转换到3D坐标系，就是今天介绍的重点——BEV。
BEV是鸟瞰图（Bird’s Eye View）的简称，也被称为上帝视角，是 一种用于描述感知世界的视角或坐标系（3D），BEV也用于代指在计算机视觉领域内的一种 端到端的、由神经网络将 视觉信息，从图像空间转换到BEV空间的技术。
虽然理论上BEV可以应用在前、中、后融合过程中，不过因为前融合实现难度大，一般很少将BEV应用在前融合，偶尔也会用在后融合上，更多会应用在介于数据级融合和目标级融合之间的特征级融合，即中融合上。
3、传感器中融合（特征级融合）
所谓中融合，就是先将各个传感器通过神经网络模型提取中间层特征（即有效特征），再对多种传感器的有效主要特征进行融合，从而更有可能得到最佳推理。
对有效特征在BEV空间进行融合，一来数据损失少，二来算力消耗也较少（相对于前融合），所以一般在BEV空间进行中融合比较多。
为了简化描述，如无特殊说明，下文提及的BEV感知，均指“BEV空间内的中融合”（特征级融合）。
那么，视角转换到BEV空间，究竟有什么意义呢？
想象一下停车就好了。停车挺有难度的，尤其对于新手司机来说。驾驶员不仅要注意前方，还要兼顾左右两个后视镜和车内倒车镜，根据经验去预估自车相对于周边障碍物的位置和距离。
而有了车载360环视功能，驾驶员能从上帝视角一目了然地看到自车周边物体的位置和距离，停车也就变得简单了很多。
360度环视视角
具体到智能驾驶系统，因为感知、预测、决策和规划等模块，都是在3D空间内进行的，而摄像头看到的图像信息，只是真实物理世界在透视视图（Perspective View）下的投影，从图像得到的信息，需要经过复杂的后处理才能使用，信息损失也很多。而将视觉信息转换到BEV空间，则可以很方便地连接感知与下游的 规划控制模块。
此外，BEV空间内的感知任务，在精度上也有优势。做2D感知时，面对远处的物体，可能几个像素的误差便可能导致几十米的真实误差，而在BEV空间内训练模型时，对远处误差的损失（loss）更加明显，所以感知结果也会更准确一些。
综上，这也就是BEV如此重要的原因。
