探讨自动驾驶中BEV感知算法与标定参数如何解耦

1. 引言

鸟瞰图（Bird's Eye View, BEV）感知已成为自动驾驶领域的一项关键技术，它提供了车辆周围环境的全面俯视视角 。这种独特的视角对于许多关键任务至关重要，包括精确的三维物体检测、场景的语义分割以及周围交通参与者未来轨迹的准确预测 。BEV感知提供的统一表示还有助于简化来自各种传感器的数据融合，并与负责路径规划和决策的下游模块无缝对接 。此外，BEV的固有结构便于以物理可解释的方式整合来自多个摄像头以及不同时间点的信息，从而增强了以视觉为中心的三维感知框架的整体鲁棒性和可靠性 。BEV感知所提供的基本优势已使其牢固地确立为现代自动驾驶系统架构的基石，因此需要开发出鲁棒且可靠的实现方案。

然而，一个重要的挑战在于，许多传统的BEV感知方法对所用摄像头的精确标定参数具有很强的依赖性 。这些参数包括摄像头的内在属性（如焦距和主点）和外在属性（相对于车辆的位置和方向），对于将摄像头捕获的透视视图图像准确地转换到所需的BEV空间至关重要 。一个关键问题源于不同车型之间摄像头安装配置的固有差异 。由于车辆设计、空气动力学考虑和美学选择的差异，摄像头在车辆上的物理位置、方向角度和整体安装高度可能会有很大差异 。因此，每种独特的车型通常都需要一套不同的摄像头标定参数。当与特定标定值紧密耦合的BEV感知模型部署在摄像头安装不同的车辆平台上时，由此产生的标定不匹配会导致感知系统精度的显著下降 。

为了充分发挥自动驾驶技术的潜力，并实现真正可扩展和鲁棒的系统，迫切需要开发对精确摄像头标定的要求不敏感，或者理想情况下完全独立的BEV感知算法 。开发这种无需标定的方法有望大幅降低与每辆车标定相关的开发成本，简化跨不同车辆部署系统的复杂性，并增强感知模型在面对摄像头配置变化时的泛化能力。因此，实现这种解耦不仅仅是一个学术追求，而是迈向自动驾驶技术广泛应用和商业可行性的关键一步，为在各种车辆平台上部署感知系统提供了一种更通用和更灵活的方法。

2. 理解BEV感知和相机标定

BEV（鸟瞰图）感知的核心在于将安装在车辆上的一组摄像头捕获的图像转换为一个统一的表示，该表示从俯视的角度描绘了周围环境 。这种转换通常涉及应用几何变换，例如逆透视映射（Inverse Perspective Mapping, IPM），或者采用更复杂的学习变换将透视视图图像投影到共同的地面平面上 。由此产生的BEV表示为自动驾驶系统提供了几个关键优势。它提供了周围环境在空间上一致的视图，简化了对环境中物体的位置、大小和方向进行推理的任务 。此外，这种统一的表示有助于将来自多个传感器（如摄像头和激光雷达）的数据融合为对场景的连贯理解 。BEV感知的通用流程通常包括三个主要阶段：首先，一个2D特征提取器处理来自每个摄像头的输入图像以提取相关的视觉特征；其次，一个视图转换模块获取这些2D特征并将它们投影到3D BEV空间中；最后，一个3D解码器解释生成的BEV特征以执行诸如物体检测和分割等感知任务 。

在传统的BEV感知方法中，这种转换过程的准确性在很大程度上依赖于对摄像头标定参数的精确了解 。这些参数可以大致分为内参和外参。内参描述了摄像头自身的内部光学和几何特性 。焦距（fx, fy）决定了摄像头的视野，并决定了世界中的三维点如何投影到二维图像平面上 。主点（cx, cy）表示图像传感器光学中心的坐标 。倾斜系数（s）解释了图像传感器行和列之间任何非垂直性 。此外，畸变系数（k1, k2, k3, p1, p2）模拟了镜头中导致图像失真的缺陷，例如径向畸变（桶形和枕形效应）和切向畸变 。这些内参共同定义了摄像头图像形成过程的基本“个性”。这些参数的任何不准确都可能导致真实世界在捕获的图像中出现扭曲或比例失调的表示。例如，广角镜头通常会引入“鱼眼”效应，需要使用畸变系数进行校正，以确保真实世界中的直线在图像中看起来是直的。

另一方面，外参描述了摄像头在三维世界坐标系中的位姿，即其位置和方向 。旋转矩阵（R）指定了摄像头相对于世界坐标系的朝向，包括其横滚角、俯仰角和偏航角 。平移向量（t）定义了摄像头在世界坐标系中的空间位置（x、y、z坐标） 。这些外参对于建立摄像头视点与周围环境之间的关系至关重要。这些参数的变化是为什么一套标定参数不能普遍应用于不同车型的主要原因。如果两个不同的车型上的摄像头安装高度或角度不同，它们的外参就会不同，导致真实世界中的同一个物体在各自的摄像头图像中投影到不同的位置。内参和外参通常组合成一个3x4的相机矩阵（P），该矩阵在数学上将世界中的三维点映射到其在图像中的对应二维像素坐标 。这个相机矩阵是传统BEV转换的基石，使得内参和外参的精度对于获得准确的BEV表示至关重要。相机矩阵中的任何误差，无论是源于内参还是外参的不准确，都将直接转化为三维世界点计算出的二维图像坐标的误差，最终影响生成的BEV感知的准确性。

3. 相机安装差异对BEV感知的影响

不同车型的设计和功能通常需要不同的摄像头安装方式，从而导致摄像头安装差异出现各种具体的表现形式 。一个关键方面是位置偏差，不同的车辆结构可能需要在车辆主体上以不同的纵向（前后）、横向（左右）和垂直（高度）位置安装摄像头。例如，与较高的SUV相比，低矮的跑车可能将前视摄像头安装得更靠近地面。另一个重要因素是角度偏差，指的是不同车型之间安装的摄像头的俯仰角（上下倾斜）、偏航角（左右旋转）和横滚角（侧向倾斜）的差异。空气动力学考虑、美学设计选择或特定的传感器放置限制都可能导致这些角度变化。此外，高度变化，包括整体车身高度和摄像头具体的安装高度，都会显著影响摄像头观察场景的视角，并因此影响地面平面的估计。所采用的摄像头数量和类型也可能因车型而异，有些车型可能使用更多的摄像头或具有不同视场（FOV）和分辨率的摄像头，以实现对环境的全面覆盖 。这些变化的多种性强调了一套标定参数不太可能普遍适用于不同的车型。例如，一个用来自低矮摄像头安装的轿车数据训练的BEV模型，在较高摄像头安装的SUV上可能表现不佳，因为由于外参的变化，物体在图像平面上的投影将根本不同。

这些摄像头安装差异对传统的依赖标定的BEV算法产生了显著的影响。最直接的影响之一是几何错位。如果算法使用的标定参数不能准确反映特定车型的实际摄像头设置，那么在生成的BEV空间中，物体的位置、大小或方向可能会不正确。这种错位会导致路径规划和控制等下游任务的精度下降。此外，标定不准确还会导致深度估计误差。许多BEV算法依赖于准确的深度感知来将二维图像特征提升到三维BEV空间。如果假设的标定不正确，那么估计的物体深度可能会有偏差，从而导致场景几何形状在BEV中的表示不准确。因此，这些几何和深度误差可能会表现为物体检测和跟踪问题。错位或扭曲的BEV表示可能导致算法遗漏真实物体的检测（假阴性）或错误地识别不存在的物体（假阳性）。当底层的空间表示存在缺陷时，准确地跟踪物体随时间的变化也会变得困难。最后，当自动驾驶系统依赖于传感器融合时，即将来自多个摄像头的BEV表示进行组合，或者将它们与来自其他传感器（如激光雷达）的数据进行集成时，不同传感器之间的标定不匹配会导致不一致性，并降低融合感知的整体准确性 。例如，如果由于不正确的摄像头标定，摄像头导出的BEV与激光雷达导出的BEV不对齐，那么融合过程可能会产生不准确且不可靠的环境表示。因此，对精确标定的强烈依赖使得传统的BEV算法在部署到具有不同摄像头安装的车辆上时非常容易出现性能下降，这严重阻碍了它们在不同车辆平台上的实际应用和可扩展性。

4. 依赖标定的BEV感知算法的局限性

严重依赖精确相机标定的算法面临着几个固有的局限性，这些局限性会阻碍其在实际自动驾驶场景中的有效性和实用性 。一个显著的缺点是它们对标定误差和噪声的敏感性。即使是估计的标定参数中看似很小的误差，也可能对BEV感知的准确性产生重大影响，尤其是在正确地定位和确定远处物体的大小时 。相机标定过程本身容易受到各种误差源的影响。风或雪等环境因素可能会微妙地改变相机的对准，而车辆运行中固有的机械振动也可能导致标定随时间的推移而逐渐漂移 。相机安装中的制造公差也会引入初始标定误差。这种标定的固有脆弱性意味着依赖于它的BEV感知系统容易受到现实世界条件以及制造和运行环境中不可避免的变化的影响。随着时间的推移，车辆上相机的物理对准可能会由于持续的振动或轻微的撞击而发生细微的变化，导致初始标定与当前状态之间的差异越来越大，从而降低BEV感知的准确性。

另一个主要的局限性在于大规模生产和部署相关的挑战。在批量生产过程中为每辆车执行精确的相机标定是一个耗时且劳动密集的过程，通常需要专门的设备和训练有素的人员 。这大大增加了制造成本和复杂性。此外，即使车辆制造并交付给客户后，由于传感器漂移、事故损坏，甚至涉及传感器拆卸和重新安装的常规维护，也可能需要重复或调整标定（重新标定） 。这种对重新标定的需求增加了在整个生命周期内维护自动驾驶系统的总体复杂性和成本。因此，传统的标定过程对于在各种车型上大规模部署自动驾驶汽车来说，是一个重要的后勤和经济障碍。

依赖标定的BEV模型通常也表现出对分布外数据的鲁棒性不足。一个在特定车型和特定相机设置的数据上训练的BEV模型，可能无法很好地泛化到具有不同相机特性和因此具有不同标定参数的其他车型 。为了在新车型上获得良好的性能，可能需要专门为该配置收集和标注大量数据集，并从头开始重新训练BEV感知模型，或者进行大量的微调。这种为每种特定车辆配置重新训练模型的必要性可能非常耗费资源，需要大量的数据收集、标注和计算资源。这种对特定标定的强烈依赖限制了BEV模型在不同车辆平台上轻松部署的能力，阻碍了该技术的可扩展性和广泛应用。

最后，一些依赖标定的BEV方法，特别是那些涉及基于精确标定的复杂三维变换的方法，可能计算成本很高 。这种高计算需求可能会阻碍感知系统的实时性能，尤其是在部署到车辆中资源受限的嵌入式平台上时。与标定过程紧密相关的精确深度估计的需求也会显著增加整体计算负担 。因此，在依赖精确标定的同时实现高精度的实时BEV感知可能存在显著的权衡，尤其是在考虑到汽车级硬件上有限的处理能力时。自动驾驶系统需要在几分之一秒内做出关键决策，如果由于复杂的依赖标定的计算导致感知管道速度过慢，可能会直接危及自动驾驶汽车的安全性和有效性。

5. 无需标定的BEV感知新兴技术

为了应对依赖标定的BEV感知的局限性，各种旨在减少或消除对精确相机标定依赖的创新技术正在涌现。这些方法可以大致分为基于图像特征对齐的方法、可学习的透视变换模块、改进的逆透视变换技术以及基于Transformer的BEV感知模型。

5.1. 基于图像特征对齐的方法

这些方法致力于直接在BEV空间中对齐来自不同相机视角的特征，而无需显式地要求精确的标定参数 。其基本原理是识别多个相机图像中对应的视觉特征，然后使用这些对应关系来推断BEV空间中的空间关系。例如，可以将同步定位与地图构建（SLAM）技术应用于多车辆BEV感知，其中不同车辆检测到的特征根据其估计的姿态进行对齐 。这种方法允许创建全局交通视图，而无需依赖于每个车辆的预标定、固定的相机设置。另一种有前景的技术，称为CalibRBEV，提出使用反向BEV表示来隐式地预测相机标定参数 。该方法利用边界框数据和多视角图像来训练一个网络，以理解真实世界中物体检测与其在不同相机视角中的投影之间的关系，从而有效地学习标定参数。此外，对于集成激光雷达和摄像头的系统，诸如GraphBEV之类的方法采用图匹配和可学习的偏移量来对齐来自两种传感器模式的BEV特征，专门解决由激光雷达和摄像头传感器之间不准确的标定引起的错位 。这种方法在nuScenes数据集上展示了最先进的性能，并且对标定参数中的噪声表现出鲁棒性 。基于特征的对齐提供了一种通过关注从不同视点观察到的特征之间的相对空间关系来减少对显式标定依赖的引人注目的方法。这些方法不是需要知道每个摄像头的精确位置和方向，而是尝试在不同的图像中找到匹配的特征，并根据其视觉特征和相对位置在BEV空间中对齐它们。然而，一个潜在的限制是，在动态环境或不利的光照条件下，特征匹配可能具有挑战性，并且准确性可能仍然受到初始姿态估计质量或特征提取过程鲁棒性的影响。

5.2. 可学习的透视变换模块

另一个重要的趋势是使用深度学习模型直接学习从透视视图图像到BEV空间的转换 。在这种方法中，神经网络通过暴露于大量且多样化的图像数据集以及相应的BEV真值来训练，从而隐式地学习如何处理相机参数的变化。例如，可以使用多层感知器（MLP）或Transformer网络来隐式地推理两种不同视角之间复杂的关联 。类似地，可以使用基于空间变换网络（STN）的架构来学习将透视视图扭曲为BEV所需的几何变换 。例如，TBP-Former利用姿态同步的BEV编码器，该编码器采用注意力机制将具有不同相机姿态的原始图像输入直接映射到共享和同步的BEV空间中的相应特征图 。BEVFormer是另一个突出的例子，它利用时空Transformer从多帧相机数据中学习统一的BEV表示 。由于该网络在可能包含略微不同相机设置的庞大数据集上进行训练，因此它有可能学习对相机标定的微小变化保持不变性。通过直接从数据中学习透视变换，这些方法可能对相机标定的变化更加鲁棒，因为网络可以学习补偿这些差异。与依赖于从标定导出的固定数学模型不同，神经网络通过暴露于庞大且多样的数据集来学习从二维图像到三维BEV空间的复杂映射，从而隐式地学习处理不同的相机视点和配置。然而，这些数据驱动的方法通常需要大量包含各种相机配置的训练数据才能有效地泛化。此外，与基于显式数学公式的传统几何方法相比，这些神经网络中学习到的变换有时可能不太容易解释。

5.3. 改进的逆透视变换（IPM）技术

逆透视映射（Inverse Perspective Mapping, IPM）是一种经典的计算机视觉技术，用于将透视视图图像转换为BEV，通常假设场景位于平坦的地面上 。虽然传统的IPM依赖于了解精确的内外参，但最近的研究侧重于使IPM更鲁棒，并减少对这种精确标定信息的依赖。例如，可以训练卷积神经网络（CNN）来估计IPM所需的单应性矩阵，从而有效地减少变换对预先已知的相机参数的依赖 。此外，IPM可以与其他技术（如语义分割）相结合，以创建语义BEV地图，该地图不仅提供俯视的几何视图，还提供场景中存在的物体类型的信息 。GenMapping是一个受IPM启发的通用地图生成框架的示例，旨在将相机参数与训练过程分离 。通过使用基于学习的技术增强传统的IPM方法，可以在IPM的几何可解释性和对相机标定变化的增强鲁棒性之间取得平衡。虽然基本的IPM假设地面完全平坦并需要精确的标定，但正在进行改进以直接从数据中学习单应性（变换矩阵），使其能够适应相机姿态的微小变化，甚至可能适应地面略微不平坦的场景。然而，传统IPM的一个基本限制仍然是它依赖于地面平坦的假设，这在复杂的现实世界驾驶环境中可能并不总是成立。学习到的IPM方法可能仍然需要某种形式的监督或几何约束，以确保生成的BEV是准确和一致的。

5.4. 基于Transformer的BEV感知模型

Transformer网络在各种感知任务中都展现出了卓越的能力，并且它们在BEV感知中的应用正被证明在解决相机标定依赖性带来的挑战方面非常有前景 。Transformer固有的建模长距离依赖关系和执行基于注意力的特征聚合的能力使其非常适合处理来自多个摄像头的输入，并可能处理其标定的变化。例如，BEVFormer利用空间和时间Transformer通过处理随时间变化的多视角相机图像来学习统一的BEV表示 。DETR3D扩展了最初为2D物体检测设计的DEtection TRansformer（DETR）框架到3D BEV空间，使用Transformer直接预测3D边界框 。WidthFormer提出了一种新颖的三维位置编码机制，专门为高效的基于Transformer的BEV检测而设计，旨在实现实时性能 。HotBEV是另一个面向硬件的基于Transformer的框架的示例，该框架针对低延迟BEV感知进行了优化，使其适合部署在汽车平台上 。与传统的基于卷积神经网络（CNN）的方法相比，Transformer架构在处理多个输入和学习它们之间复杂关系方面的固有灵活性可能使其对相机标定的变化更具鲁棒性。Transformer可以关注不同相机视角中最相关的特征，并可能学习补偿由标定差异引起的微小错位，因为注意力机制可以适应不同的空间关系。然而，Transformer模型可能计算量很大，并且通常需要大量的训练数据才能充分发挥其潜力。与某些其他类型的模型相比，它们的可解释性也更具挑战性。

6. 解耦方法的性能评估和实际意义

这些标定解耦方法的有效性通常使用BEV感知的标准性能指标进行评估，例如平均精度均值（mean Average Precision, mAP）和NuScenes检测得分（NuScenes Detection Score, NDS）。这些指标评估了BEV空间中物体检测和其他感知任务的准确性。多项研究报告称，在具有挑战性的基准数据集（如nuScenes和DAIR-V2X）上使用无标定或标定无关的方法取得了令人鼓舞的性能提升 。例如，GraphBEV在nuScenes上展示了最先进的结果，并且对模拟的错位噪声表现出鲁棒性，表明其具有处理标定不准确性的潜力 。类似地，CalibRBEV在nuScenes和Waymo数据集上都显示出预测标定参数的有效性 。诸如无标定BEV表示（Calibration-free BEV Representation, CBR）网络之类的无标定方法也在DAIR-V2X数据集上取得了可接受的检测性能，而无需依赖任何相机参数，这表明它们在难以获得或维持标定的场景中是可行的 。评估解耦方法的成功需要仔细考虑它们在标准基准上的准确性以及在面对标定变化和真实世界操作条件时的鲁棒性。在具有完美标定数据的数据集上获得高mAP并不一定保证在具有轻微错位摄像头的车辆上也能获得良好的性能。因此，专门评估在标定噪声条件下或在没有标定数据的情况下性能的指标对于评估这些解耦技术的真正有效性至关重要。

无标定方法的实际价值在很大程度上取决于其在自动驾驶汽车目标硬件的计算约束内运行并保持可接受的精度水平的能力 。虽然一些先进的基于Transformer的模型已经实现了令人印象深刻的精度，但它们也可能计算量很大，可能导致高延迟，并且难以部署在具有有限处理能力的实时系统中 。相反，一些计算效率高的方法可能会为了追求速度而牺牲一些精度。因此，在考虑将这些方法部署到实际自动驾驶汽车中时，必须仔细分析标定独立性、精度和计算效率之间的权衡。一个高度精确但每帧需要几秒钟处理时间的无标定模型对于需要毫秒级决策的实时自动驾驶系统来说是不切实际的。效率，包括计算速度和内存占用，与实现高精度同样重要。

此外，这些解耦方法在现实世界中的部署可行性取决于几个因素，包括训练所需的数据量、实施和维护的复杂性以及它们随时间处理相机标定动态变化的能力。许多可学习的解耦方法，例如基于深度神经网络的方法，通常需要包含各种相机配置的大量且多样化的数据集，以确保良好的泛化 。收集和标注如此广泛的数据集可能是一项艰巨的任务。还需要考虑在生产汽车环境中实施和维护这些先进模型的复杂性。最后，这些方法适应车辆寿命期间可能发生的相机标定逐渐变化的能力对于长期可靠性至关重要。这些方法的最终成功取决于它们能否在不同车型上以及长期内在实际自动驾驶汽车中实际部署和可靠运行，无论相机标定的微小变化或更改如何，都能确保一致且安全的感知。

表格：标定解耦方法比较

7. 针对不同车型变化的自适应标定和调整策略

除了旨在完全独立于标定的方法外，还有一些策略侧重于自适应地标定或调整相机参数，以应对不同车型之间的差异以及随时间可能发生的变化 。自监督和在线标定方法尤其具有吸引力，因为它们可以在不需要专门的标定目标或人工干预的情况下估计相机标定参数 。这些技术通常利用传感器数据本身固有的约束，例如环境的刚性或多个传感器之间运动的一致性，来推断标定参数。一些方法甚至可以在车辆正常运行期间执行在线标定，从而能够适应随时间可能发生的相机对准的任何逐渐变化 。先前作为特征对齐方法提到的CalibRBEV也属于此类，因为它提出了一种使用反向BEV表示的自动多相机标定方法，从而无需传统的标定目标即可标定系统 。自标定或在线自适应标定参数的能力将在处理不同车型之间相机安装的初始差异以及车辆整个生命周期中可能发生的任何后续变化方面具有显著优势。系统可以根据观察到的数据以及可能来自其他车载传感器的信息，持续监控和调整标定参数，而不是依赖于在工厂环境中执行的固定的预定标定。

另一组重要的策略涉及微调和领域自适应技术。这些方法旨在有效地将预先在大型多样化数据集上训练的BEV感知模型适应到可能具有不同相机特性的新车型 。无需为每种车辆配置从头开始训练一个全新的模型（这可能非常耗时且资源密集），而是可以使用迁移学习和领域自适应技术来利用预训练模型已经学习到的知识。通过在新车型特定的少量数据上微调模型，可以快速地将模型适应到新的相机设置的细微差别。这种方法可以显著减少在各种车辆平台上部署BEV感知所需的数据收集和训练工作量。在大型多样化数据集上训练的基础BEV模型可以学习到通用的特征，然后可以使用相对较少的目标车型数据将其适应到新车型的特定特性。

最后，利用车辆动力学和其他传感器信息来辅助估计或优化相机标定参数也具有潜力。来自车辆上其他传感器的数据，例如惯性测量单元（IMU）、全球定位系统（GPS）和轮速计，以及车辆动力学模型，可以提供关于车辆运动和场景中物体预期运动的宝贵约束和信息。这些信息可以用于直接估计某些相机标定参数，或用于优化通过其他方法获得的参数。例如，了解车辆的速度和转向角可以提供关于车道线和其他静态物体在摄像头观察到的预期运动的线索，并且这些信息可以用于验证或优化摄像头的外部标定参数。以这种方式整合来自多个传感器的信息可以产生更鲁棒和更准确的标定或自适应方法，尤其是在具有挑战性的现实世界驾驶条件下。

8. 结论与未来研究方向

实现鲁棒且可扩展的自动驾驶系统需要解决传统BEV感知算法对精确相机标定的依赖性所带来的挑战。不同车型之间相机安装的变化会显著影响这些算法的准确性，从而阻碍其广泛部署。幸运的是，许多有前景的策略和技术正在涌现以应对这个问题。这些包括专注于直接在BEV空间中对齐图像特征的方法、使用深度神经网络隐式学习透视变换的方法、提高诸如逆透视映射等经典技术的鲁棒性，以及利用基于Transformer的架构进行BEV感知。

最有效的策略似乎是那些最小化对显式、预定标定参数依赖的方法。可学习的透视变换模块和基于Transformer的BEV模型由于其能够隐式学习从透视视图到BEV的复杂映射，并通过暴露于多样化的训练数据来处理相机配置的变化，因此显示出巨大的潜力。基于特征的对齐方法通过关注观察到的特征之间的相对空间关系提供了另一种选择，而IPM的进步旨在增强几何可解释方法的鲁棒性。每种方法类别在准确性、计算效率、数据需求和可解释性方面都有其自身的优点和缺点。

对于该领域的研究人员和工程师来说，在设计和评估过程中优先考虑BEV算法对标定变化的鲁棒性至关重要。未来的研究应继续探索和改进这些新兴技术，重点是开发更鲁棒和可解释的可学习变换模块，进一步研究自监督和在线标定方法，并探索多传感器融合在实现标定独立性方面的协同效益。开发专门评估BEV感知对标定误差鲁棒性的标准化基准和评估指标对于社区也将非常有价值。

无标定BEV感知领域正在迅速发展，该领域持续的创新对于释放自动驾驶的全部潜力至关重要。通过将BEV感知与传统相机标定的复杂性和局限性解耦，我们可以为更可扩展、更具成本效益和更可靠的自动驾驶系统铺平道路，这些系统可以部署在各种车辆平台和操作条件下。虽然已经取得了显著的进展，但仍然需要更鲁棒、更高效和更易于部署的解决方案，以真正克服在追求安全和普及的自动驾驶出行中相机标定变化带来的挑战。

By AI