近年来，众多车企都在研发并完善自家的NOA（自动辅助导航驾驶）功能，旨在为用户提供更加便捷的体验。不过，NOA是新兴技术，尚不成熟，车辆的感知能力存在提升空间。BEV（鸟瞰图视角/上帝视角）+Transformer深度学习模型架构的出现强化了车辆感知能力，推进NOA升级。
撰文：毕偶
在BEV+Transformer被应用之前，NOA使用的是CNN（卷积神经网络）算法对2D图像和3D图像进行处理。车上搭载的传感器，即摄像头和雷达会收集2D图像和3D图像，基于每个传感器的位置，将感知数据形成放射图像。感知结果通过CNN进行大量计算后，统一升维至3D，建立3D状态下的车机行驶坐标系。这种技术存在多处缺陷，比如：难以预测2D画面的遮挡部分、缺乏时间序列信息，难以确认感知和预测的连续性、高度/深度存在误差等。这些问题都会对行驶安全造成影响。
为了解决上述问题，BEV+Transformer模型被提出并应用。BEV被称为鸟瞰图视角，顾名思义，它能够将视觉信息立体化，如同一只鸟儿在车辆正上方10-20米处俯瞰，周围的环境信息以自上而下的方式展示在坐标系中。而Transformer是一种深度学习模型架构，采用自注意力机制，有能力察觉到数据内在的关联，通过数据和任务驱动的方式自主确定应该关注的焦点。还能引入时间序列信息，在空间时序上更全面地建模。
相较于处理2D+3D图像的CNN算法，BEV+Transformer技术拥有全局视野，图像鲜有遮挡部分，预测更可靠、感知更稳定。数据处理更直接，信息损耗更小。因此，这种技术能够更好地处理一些复杂情况，在感知复杂道路、应对恶劣天气和动态交通方面有着更出色的表现。
目前，BEV+Transformer技术已经被应用于多家车企NOA中。包括但不限于特斯拉FSD、蔚来NOP、小鹏XNGP和理想AD Max等。
特斯拉FSD
蔚来NOP
小鹏XNGP
理想AD Max
虽然BEV+Transformer已经实现量产上车，但车辆感知能力仍然不算完美。在未来，行业将继续在这方面进行强化。Occupancy Network（占用网络）技术是研发方向。它有能力将雷达扫描的点云数据转化为体素网格，并判断体素属于何种物体。并且可以判断物体的朝向和位置，场景重建更加精细。泛化能力将进一步增强，在标注数据较少的情况下，实现高质量的物体检测和重建。车辆感知能力会进一步提升，继续推进NOA升级，让行驶更智能且便捷，使用户体验更上一层楼。
