1.3.3 基于多層感知器的方法

基于多層感知器（MultiLayer Perception,MLP）的方法利用多層感知器作為復雜的映射函數，將輸入映射到不同模態、維度或表示的輸出上，以實現從透視視角到BEV視角的轉換。

為了消除相機校準設置中的繼承感應偏差，一些方法采用MLP來學習相機校準的隱式表示。例如，視圖解析網絡（View Parsing Network，VPN）選擇了兩層MLP，利用全局感受野的需求，通過“關注-映射-重塑”的過程將每個PV特征圖轉換為BEV特征圖，然后添加來自不同相機的所有特征圖以進行多視圖融合。金字塔占用網絡（Pyramid Occupancy Networks，PON）則是基于網絡對于將特征映射到BEV的大量垂直上下文的需求，利用特征金字塔提取多個分辨率的圖像特征，使用MLP沿高度軸折疊圖像特征并沿深度軸擴展來執行視圖變換，如圖1-9所示。

圖1-9 PON按列將透視圖特征轉換為鳥瞰視圖特征

基于MLP的方法利用多層感知器作為映射函數，實現了視角間的轉換，為自動駕駛等應用提供了重要的感知能力。