목차
Abstract 1
Ⅰ. 서론 1
Ⅱ. 기하학을 기반으로 한 BEV 변환 3
Ⅲ. Neural Network를 기반으로 한 BEV 변환 6
Ⅳ. 결론 14
참고문헌 15
그림 1. Tesla autopilot 기술의 BEV representation을 통한 주변 환경 인식 2
그림 2. Inverse Perspective Matching 예시 4
그림 3. Depth based method 중 하나인 Pseudo-LiDAR의 BEV 예시([10]의 Fig.2.2) 5
그림 4. End-to-end network인 Image2Map[38] 결과 예시([38]의 Fig.2) 6
그림 5. BEV 생성 네트워크를 학습하기 위한 GT제작의 어려움([26]의 Fig.4) 7
그림 6. PON[26]의 feature pyramid 방식을 사용한 네트워크 구조([26]의 Fig2) 9
그림 7. PON의 MLP를 이용한 PVtoBEV feature transform([26]의 Fig3) 9
그림 8. Hybrid feature transformation을 사용하는 HFT([31]의 Fig2.) 10
그림 9. DETR의 query 기반 detection framework를 3D로 확장한 DETR3D의 구조 11
그림 10. PolarDETR[34]의 polar parameterization([34]의 Fig1.) 12
그림 11. Dense-query 기반 방식인 BEVFormer([37]의 Fig1.) 13
그림 12. Image column과 polar ray의 1:1 대응을 가정한 Image2Map 14