前言
IPM（Inverse Perspective Mapping，逆透視變換）圖的歷史可以追溯到計算機視覺和圖像處理領域的發展。逆透視變換是一種用于消除圖像中透視效應的技術，使得原本由于透視產生的形變得以糾正，進而更準確地描述和理解圖像中的場景。比如在行車中的車道線檢測，泊車中的常見障礙物檢測，自動駕駛感知最開始的方案基本都離不開IPM圖。
早期，自動駕駛系統主要依賴于傳統的2D感知算法，這些算法通常從單張圖像（或者IPM圖）中檢測或分割目標。然而，隨著自動駕駛技術的發展，對車輛周圍環境感知的需求越來越高（比如IPM圖拼接處的檢測準確度較差），需要更全面地理解車輛周圍的目標和障礙物。
因此，研究者們開始探索如何將來自不同攝像頭和傳感器的數據融合到一個統一的視圖中，BEV（Bird’s Eye View，鳥瞰圖）的概念就是在這樣的背景下提出的。通過將來自多個攝像頭的數據投影到一個共享的BEV空間中，可以創建一個從上方俯視的二維圖像，其中包含了車輛周圍環境中的所有目標和障礙物。隨著特斯拉將BEV技術量產發布后，國內的自動駕駛公司感知模塊也在逐步切換到BEV方案。

一、 IPM圖

（1）定義

在自動/輔助駕駛中，車道線的檢測非常重要。在前視攝像頭拍攝的圖像中，由于透視效應的存在，本來平行的事物，在圖像中確實相交的。而IPM變換就是消除這種透視效應，所以也叫逆透視。IPM能夠實現將從車輛攝像頭捕獲的圖像中的車道線或其他特征，從透視視角（即攝像頭視角）轉換到鳥瞰視角（