本文对MapTR的论文和代码进行了解读。 本文主要改进的地方在于针对地图元素的数据结构进行了instance-point点集的层级式设计，模型直接预测了每个地图元素的点集，而非HDMapNet类的方法去预测分割的tensor。Nuscene

本文对MEI模型进行鱼眼相机标定的原理进行了介绍 MEI模型MEI模型实际上是Omnidirectional相机模型+Radtan畸变模型（Radial-tangential）。由于Omnidirectional模型涵盖了Pinhole模型

本文对OpenCV鱼眼相机标定模型进行了整理前情提要：关于相机成像畸变模型，可戳相机成像畸变模型与鱼眼相机模型 鱼眼相机模型$X$是世界坐标系中一点$P$的坐标，$R$是旋转矩阵，$T$是平移向量，点$P$在相机坐标系下的坐标可表示为 X_

本文对MATLAB鱼眼相机标定模型-Scaramuzza以及相关工具使用进行了介绍 The Computer Vision Toolbox contains calibration algorithms for the pinhole c

本文基于BEVDET对MMDet3D框架进行了介绍 0.MMDetection3D简介MMDet3D 官方文档MMDet3D官方仓库 选择MMDet3D的原因 MMDetection3D 支持_VoteNet_,_ MVXNe__t_，_P

相机成像畸变模型与鱼眼相机模型介绍 相机成像畸变畸变的产生和公式化描述为了好的成像效果，通常会在相机的前方增加透镜。透镜的加入会对成像过程中光线的传播产生新的影响：一是透镜自身的形状对光线传播的影响；二是在机械组装过程中，透镜不可能和成像平

本文整理了Probabilistic and Geometric Depth_ Detecting Objects in Perspective论文主要内容 本文核心思想：利用目标之间的相对位置关系构造深度传播图以获取更准确的深度估计值。

本文整理了单目3D目标检测的相关工作 0.Introduction of 3D Object Detection在缺乏深度信息的情况下，根据RGB图像恢复3D结构是一个不适定问题。但是在提供先验信息的情况下，这个任务也能取得不错的效果。在具

BEVFormer论文解读 BEVFormerBEVFormer是自顶向下的稠密BEV特征建模。文章主要是把DETR3D思想中的3D特征反投影到2D图像上以得到密集、准确的BEV特征，从而能够在此基础上更好的进行检测、分割。如果说DETR3

本文对BEV模型深度估计模块进行了梳理。 1.图像特征直接卷积LSS、Fiery、BEVDet 深度估计模块（均为原始的LSS的模块，这里以Fiery的模块为例） loss计算 没有单独计算Depth部分的loss，直接计算的3D