外观
Skip to content
BEVFormer
BEVFormer
fundamentalvision 在 GitHub 开源的框架，主要语言 Python。 [ECCV 2022] This is the official implementation of BEVFormer, a camera-only framework for autonomous driving perception,…
概述
这个开发工具的核心职责、所属技术栈与硬件生态定位。
BEVFormer是开源自动驾驶感知训练框架，属于纯视觉自动驾驶感知技术方向的算法实现框架，核心开发语言为Python，是ECCV 2022录用的BEV感知算法官方实现，核心功能为基于多视角摄像头输入生成鸟瞰视角特征，完成3D目标检测、语义地图构建等自动驾驶感知任务。
该框架适配L4级自动驾驶感知技术栈层级，不绑定特定机器人或车载硬件机型，开发者可直接克隆官方仓库依赖PyTorch生态部署，支持接入自定义多相机数据集训练，也可集成至现有自动驾驶感知链路作为纯视觉感知模块使用。
关键工程信息
工具分类、开发语言、GitHub 社区活跃度与环境要求。
快速接入与环境要求
源码克隆、构建方式、已验证系统环境与版本更新记录。
源码拉取与构建参考
git clone https://github.com/fundamentalvision/BEVFormer.git
cd BEVFormer
# 安装 Python 依赖与开发包
pip install -e .推荐运行环境与版本 1
| 版本 / 分支 | 验证环境 | 接入说明 |
|---|---|---|
| main / 最新稳定分支（适配PyTorch 1.9~1.13版本，官方推荐mmcv-full==1.4.0） | Ubuntu 20.04 LTS / Python 3.8 / CUDA 11.3 / PyTorch 1.10.1 / mmcv-full 1.4.0 | 克隆仓库后按官方文档安装mmdet3d等配套依赖，通过tools/train.py入口启动自定义数据集训练。 |
适配与兼容机型
支持接入该 SDK、ROS 驱动或仿真资产的机器人本体。
尚未收录适配机型。
同厂商与同类工具
同一厂商开源的配套仓库或同技术栈开发工具。
来源
本页事实对应的公开页面，以原文为准。
- GitHub fundamentalvision/BEVFormer访问 2026-10-13