靜態(tài)BEV可以在部分?jǐn)z像頭被遮擋,車道線模糊的時(shí)候依舊可以描繪出道路結(jié)構(gòu),解決了高精地圖數(shù)據(jù)實(shí)時(shí)性的問(wèn)題。動(dòng)態(tài)BEV可以實(shí)現(xiàn)車輛同時(shí)出現(xiàn)在多顆攝像頭視野的情況下,穩(wěn)定地追蹤并感知出物體的距離與速度,使得動(dòng)態(tài)BEV神經(jīng)網(wǎng)絡(luò)具備了一定的“腦補(bǔ)”能力。Occupancy網(wǎng)絡(luò)算法則可以對(duì)我們所在的物理世界進(jìn)行數(shù)據(jù)化建模,通過(guò)純視覺可以還原物理世界的真實(shí)場(chǎng)景,例如路上的垃圾桶、臨時(shí)的施工牌等“通用障礙物”。在這個(gè)基礎(chǔ)上,使用NeRF技術(shù),進(jìn)一步提升了Occupancy在遠(yuǎn)距離的分辨率,讓系統(tǒng)的感知能力更加強(qiáng)大。