4. 多视图输入与数据组织

在 LSS（Lift-Splat-Shoot）类多视图 BEV 感知系统中，模型性能的上限往往并不取决于网络结构本身，而是由输入数据的组织质量决定。环视相机如何布置、图像如何预处理、多路数据如何对齐时间戳、训练时如何增强，这四个环节共同构成了 BEV 感知的“数据地基”。本节围绕这四件事展开，帮助读者建立一套可复用的多视图输入流水线。

一、环视相机配置：几何布局决定 BEV 视野

环视相机配置的核心是“覆盖”与“重叠”。常见方案是 6 路相机（前、前左、前右、后、后左、后右）或 4 路相机（前、后、左、右）。6 路方案在车身四角形成更连续的重叠区，有利于 BEV 特征在拼接处平滑过渡；4 路方案成本低，但侧向盲区更大，对 LSS 的“lift”能力要求更高。

每路相机需要标定内参（焦距、主点、畸变系数）和外参（相对车体坐标系的旋转与平移）。外参的微小误差会在 BEV 投影时被放大，因此标定精度通常要求旋转误差小于 0.1°、平移误差小于 1 cm。相机安装高度、俯仰角与水平视场角共同决定了单相机的地面覆盖范围，工程上常用“地面采样点”来验证覆盖是否连续。

二、图像预处理：从原始图到网络输入

原始环视图像通常带有鱼眼或广角畸变，直接送入网络会破坏 BEV 投影的几何一致性。预处理流程一般包括：去畸变、缩放、裁剪、归一化、颜色空间转换。去畸变使用标定得到的畸变系数，将图像映射到理想针孔模型；缩放与裁剪则要保证多路图像尺寸一致，便于批量推理。

归一化参数需要与预训练权重匹配，常见为 ImageNet 均值方差。颜色空间方面，BEV 感知多使用 RGB，但部分方案会引入 YUV 或灰度以降低计算量。预处理必须在 GPU 上以批处理方式完成，否则 CPU 端会成为训练瓶颈。

# 预处理伪代码
for cam in cameras:
    img = undistort(img, K, D)
    img = resize(img, (W, H))
    img = normalize(img, mean, std)
    batch.append(img)
batch = stack(batch)  # [B, N, C, H, W]

三、时间同步：多传感器对齐的生命线

环视相机之间、相机与 LiDAR/IMU 之间必须时间对齐。硬件触发同步是最可靠的方式，所有相机共享同一触发信号，曝光时刻一致；若采用软件时间戳，则需通过 PTP 或 GPS 授时，并记录每帧的采集时间与曝光时间。时间偏差超过 10 ms 时，高速场景下 BEV 特征会出现明显“拖影”。

工程上常用“时间戳对齐 + 插值”策略：以主传感器为基准，对其他传感器数据做线性插值或最近邻匹配。对于 LSS 训练，通常要求同一 BEV 样本内所有相机图像的时间戳差异小于 5 ms。

四、数据增强策略：提升泛化而不破坏几何

BEV 感知的数据增强必须区分“图像域增强”和“几何域增强”。图像域增强包括亮度、对比度、色相抖动、模糊、噪声，这些不改变几何关系，可安全使用。几何域增强如随机裁剪、旋转、缩放会改变相机内外参，必须同步更新标定参数，否则 BEV 投影会错位。

常用增强组合：颜色抖动 + 随机擦除 + 水平翻转（需同步交换左右相机并调整外参）。翻转增强对环视系统尤其有效，但必须保证相机顺序与外参一致，否则会引入“左右颠倒”的伪标签。

五、案例：一次 BEV 拼接错位的复盘

某项目在训练初期发现 BEV 特征在左前与右前相机交界处出现明显“断层”。排查发现：左前相机时间戳比右前相机晚 12 ms，且左前图像未做去畸变。修正后，先统一触发同步，再对全部相机执行去畸变，断层消失。该案例说明：时间同步与预处理必须作为流水线的“前置约束”，而不是事后补救。

六、数据组织：从采集到训练的目录结构

建议按“场景-时间-相机”三级组织数据，并保留标定文件与时间戳文件。训练时通过索引文件按需加载，避免一次性读入全部图像。典型目录如下：

dataset/
  scene_001/
    2024-05-01_12-00-00/
      cam_front.jpg
      cam_front_left.jpg
      ...
      calib.json
      timestamps.json
  index.json

综上，环视相机配置决定几何覆盖，图像预处理保证几何一致，时间同步消除动态错位，数据增强提升泛化，四者共同构成 LSS 多视图 BEV 感知的输入基础。只有把这四件事做扎实，后续的 BEV 特征提取与检测头才能发挥应有性能。