跳转到内容

BEV 稠密表征与稀疏实例表征

类型 笔记 · 更新 2026-07-20

标签 3d-detection · sparse-representation · autonomous-driving

所属 3D 与空间感知 · 自动驾驶 3D 感知、时序融合与跟踪

BEV 网格擅长统一多相机几何与地图对齐;稀疏 instance 擅长把算力绑在目标上并直接对接跟踪/规划状态。二者不是对立教条,而是接口选择。

维度 Dense BEV Sparse instance
覆盖 全平面/体素 候选集合
成本 ∝ 分辨率 ∝ query 数 × 采样点
时序 prev BEV + ego-motion instance memory / track query
下游 分割/占用自然 框/轨迹/规划更直接
  • 只报 NDS 不谈分辨率与时延,无法做部署决策。
  • 稀疏方法在拥挤/远距离上依赖 query 召回;稠密方法在空白区域浪费算力。