Cam2BEV: 利用多车载摄像头图像，在TensorFlow中实现计算语义分割的鸟瞰图(BEV)

简介：
本文介绍了Cam2BEV系统，它利用多车载摄像头拍摄的图像，并在TensorFlow框架下进行处理，以生成具有高度准确性的鸟瞰视图（BEV）语义分割。该方法为自动驾驶车辆提供了关键环境感知能力。 凸轮2BEV 该存储库包含我们方法的官方实现，用于将多个车载摄像头拍摄到的图像转换为鸟瞰图（BEV）中的语义分割图像。 准确的环境感知对于自动驾驶至关重要。使用单眼相机时，估算环境中元素的距离是一项重大挑战。将摄像机透视图转换成鸟瞰视图（BEV），可以更轻松地进行距离估计。在平坦表面上，反透视贴图（IPM）能够把图像精确转化为BEV形式。然而，这种转化会使三维物体（如车辆和行人等易受伤害的道路使用者）发生变形，从而使得它们相对于传感器的位置难以准确估计。 本段落提出了一种方法，可以利用来自多个车载摄像头的图像生成校正后的360°鸟瞰视图（BEV）。此校正过的BEV图像被分割为不同的语义类别，并且能够预测遮挡区域。我们所采用的神经网络模型不需要依赖人工标注的数据，在合成数据集上进行训练即可实现这一目标。