目录第23章 自动驾驶视觉系统23.1 自动驾驶感知栈23.1.1 多传感器融合：相机、LiDAR、Radar、超声波23.1.2 鸟瞰图（BEV）表示与转换23.1.3 3D目标检测：单目、立体、LiDAR融合23.1.4 车道检测与可行驶区域分割23.2 BEV感知与Occupancy Network23.2.1 视角转换：IPM, Lift-Splat-Shoot23.2.2 BEVFormer：基于Transformer的BEV编码23.2.3 Occupancy Network与3D占用预测23.2.4 2024年进展：UniAD, VAD端到端自动驾驶23.3 多目标跟踪与预测23.3.1 自动驾驶场景下的MOT23.3.2 轨迹预测：基于LSTM与Transformer的方法23.3.3 交互感知预测与场景理解23.3.4 2024年趋势：世界模型与驾驶场景生成第23章 自动驾驶视觉系统自动驾驶视觉系统是实现车辆自主导航的核心技术栈，负责从复杂动态环境中实时感知、理解与预测，为决策规划提供可靠的环境模型。该系统融合了计算机视觉、传感器融合、深度学习与机器人学等多个领域的前沿技术，通过多模态传感器数据的高效处理，构建车辆周围环境的完整数字孪生。从早期的模块化感知流水线到当前的端到端学习范式，自动驾驶视觉系统经历了从规则驱动到数据驱动的根本性转变，逐步实现了从辅助驾驶到完全自主驾驶的跨越。23.1 自动驾驶感知栈自动驾驶感知栈构成了车辆环境理解的基础架构，通过分层处理将原始传感器数据转化为结构化的环境表示。该栈通常包括数据采集、传感器融合、目标检测、语义分割、地图构建与目标跟踪等多个层次，各层之间通过标准化接口传