在自动驾驶汽车行驶过程中，决策规划作为关键部分之一，需要依靠多个感知、预测任务模块以提供精准的汽车周围环境信息，其中感知任务不仅需要检测场景中的汽车、行人等动态物体，还需要识别道路布局、车道线等静态元素，为决策提供信息依据，规划出汽车行驶道路并且避免出现碰撞情况。
(资料图片仅供参考)
BEV感知系统将多个摄像头或雷达得到的视觉信息转换至鸟瞰视角，然后进行相关感知任务，这样既能为自动驾驶感知提供更大的视野，也能同时完成多项感知任务。
什么是BEV？
自动驾驶中的感知识别任务的目的是对物理世界的三维几何重建。随着自动驾驶汽车（SDV）装备传感器类型的多样性和数量不断增多，人们需要用统一的视角来展现出不同视角。而鸟瞰视图（BEV）可以有效展示出这一点。
BEV本身并不是新热点，最常见的BEV感知是3D检测，根据输入数据模态的不同，可以划分为基于图像、基于LiDAR和基于多模态三种方式。另一种常见感知是BEV分割，可分为地图分割和车道线分割两种方式。
BEV感知算法能够很好的融合多传感器的特征，在一定程度上提高自动驾驶技术感知和预测的准确率。
数据标注对BEV感知算法的重要性
自动驾驶技术的发展需要大量的结构化标注数据对模型进行不断地训练与调优。想要自动驾驶汽车感知系统质量不断提升，这就需要大量高质量的真实自动驾驶感知系统相关的数据做支撑。
数据只有加上了标签才有意义，对于人工智能深度学习来说，数据标注是一个必要的工作，只有依靠大量的高质量标注数据做支撑，才能有效解决自动驾驶深度学习理论上遇到的问题。数据作为AI技术的底层基础，高质量的训练数据越来越受到业界的重视。
3D点云标注案例：
需求：标注点云图片共计2w+帧，合计10w+个点云框
景联文标注平台预标注能力与自动质检功能有效提高标注效率与质量，平台经过升级可承载大量数据并同时进行处理且不影响其加载速率。在规定时间内顺利完成项目。
