LSS是英伟达在ECCV2020上发表的文章《Lift,Splat,Shoot:EncodingImagesfromArbitraryCameraRigsbyImplicitlyUnprojectingto3D》中提出的一个BEV感知算法，后续很多BEV感知算法如CaDDN、BEVDet都是在LSS的基础上实现的。本文将结合论文和代码详细解读LSS的原理。鸟瞰图

我理解的复现，就是把代码跑通，完整训练一遍，然后测试，争取达到论文里报告的效果。虽然大部分工作复现出来可能都到不了论文里的性能，比较玄学。概述Lift-Splat-Shoot(LSS)是BEV方法的开山之作，作者来自NVIDIA。该方法是一个纯视觉的感知方法，用来做BEV分割任务的，但是其架构和思

数据结构——线段树提高学习笔记一些比较系统的东西，会单独放文章，这里只写一些理论的。线段树维护矩阵例题：P7453[THUSCH2017]大魔法师。当区间信息比较复杂，但是满足结合律的时候，可以使用矩阵维护。线段树每个节点维护一个矩阵，合并区间时使用矩阵乘法转移。但是，矩阵乘法的

BEV感知算法：LSS论文与代码详解0. 前言最近几年，BEV感知是自动驾驶领域中一个非常热门研究方向，其核心思想是把多路传感器的数据转换到统一的BEV空间中去提取特征，实现目标检测、地图构建等任务。如何把多路相机的数据从二维的图像视角转换到三维的BEV视角？LSS提出一种显示估