# Widok z lotu ptaka z wielu kamer (BEV)

EN: **Bird's-eye-view perception from multi-camera images** · id `bevperception` · aliases: BEV perception, bird's-eye view, multi-camera 3D perception, Lift-Splat-Shoot, BEVFormer, widok z góry

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Autonomiczna jazda](https://aiatlasgraph.com/t/autodriving.md) › [Percepcja otoczenia pojazdu](https://aiatlasgraph.com/t/adperception.md) › Widok z lotu ptaka z wielu kamer (BEV)

## Description

- PL: Przekształcanie cech z obrazów wielu kamer do wspólnej siatki widoku z góry, na której działają detekcja, segmentacja i planowanie.
- EN: Transforming features from multiple camera images into a shared top-down grid on which detection, segmentation and planning operate.

## In one sentence

- PL: Zamiana obrazów z kilku kamer wokół auta w jedną mapę widzianą z góry, na której widać wszystko dookoła.
- EN: Turning the images from several cameras around the car into one top-down map that shows everything nearby.

## Problem it solves

- PL: Sześć kamer daje sześć osobnych, zniekształconych obrazów, a do planowania jazdy potrzebna jest jedna mapa okolicy.
- EN: Six cameras give six separate, distorted pictures, while planning a drive needs one map of the surroundings.

## What it does

- PL: Jak parkowanie z podglądem z góry, tylko sprytniej: sieć sama uczy się, gdzie na mapie położyć każdy fragment obrazu.
- EN: Like a parking camera's overhead view, only smarter: the network learns by itself where on the map each piece of image belongs.

## Everyday example

- PL: Auto zmieniające pas widzi na jednej mapie samochód w martwym polu i motocykl nadjeżdżający z tyłu.
- EN: A car changing lanes sees on one map both the vehicle in its blind spot and a motorbike approaching from behind.

## This concerns you if you…

- PL: interesuje cię jazda autonomiczna oparta głównie na kamerach
- PL: pracujesz z obrazem z wielu kamer naraz
- PL: chcesz wiedzieć, skąd auto wie, co jest obok
- EN: are interested in camera-first self-driving
- EN: work with several camera feeds at once
- EN: want to know how a car knows what is beside it

## Keywords

Lift-Splat-Shoot · BEVFormer · BEVDet · BEVDepth · view transformation · spatial cross-attention · multi-camera 3D detection · nuScenes

## How it works

- PL: Jedne metody szacują rozkład głębi każdego piksela, „podnoszą” cechy do 3D i spłaszczają je do siatki BEV (lift–splat). Inne używają siatki zapytań BEV, które przez uwagę przestrzenną pobierają cechy z właściwych kamer, a przez uwagę czasową łączą je z poprzednimi klatkami.
- EN: Some methods estimate a depth distribution per pixel, lift features into 3D and splat them onto a BEV grid (lift–splat). Others use a grid of BEV queries that pull features from the relevant cameras via spatial cross-attention and fuse earlier frames via temporal self-attention.

## Limits

- PL: Głębia z samych kamer jest niepewna, zwłaszcza daleko i nocą. Rozdzielczość siatki to kompromis między zasięgiem a kosztem obliczeń, a spłaszczenie do widoku z góry gubi informację o wysokości.
- EN: Depth from cameras alone is uncertain, especially far away and at night. Grid resolution trades range against compute, and flattening to a top-down view loses height information.

## Key terms

- PL: **zapytania BEV**: Wyuczone punkty siatki, które same zbierają cechy z kamer.
- PL: **lift–splat**: Podniesienie pikseli do 3D z pomocą głębi i rzut na siatkę z góry.
- PL: **uwaga czasowa**: Łączenie bieżącej mapy z mapami z wcześniejszych chwil.
- EN: **BEV queries**: Learned grid points that gather features from the cameras themselves.
- EN: **lift–splat**: Lifting pixels into 3D using depth and projecting them onto a top-down grid.
- EN: **temporal attention**: Combining the current map with maps from earlier moments.

## Know first

- [Mechanizm self-attention (zapytania, klucze, wartości) (Self-attention (queries, keys, values))](https://aiatlasgraph.com/t/selfattention.md)
- [Szacowanie głębi z jednego zdjęcia (Monocular depth estimation)](https://aiatlasgraph.com/t/depthestimation.md)

## Related topics

Untyped, symmetric "see also" links.

- [Siatki zajętości 3D wokół pojazdu (3D occupancy prediction)](https://aiatlasgraph.com/t/occupancy.md)

## Sources

- [Lift, Splat, Shoot: Encoding Images From Arbitrary Camera Rigs by Implicitly Unprojecting to 3D](<https://arxiv.org/abs/2008.05711>) `lss-2020` · by Jonah Philion, Sanja Fidler
- [BEVFormer: Learning Bird's-Eye-View Representation from Multi-Camera Images via Spatiotemporal Transformers](<https://arxiv.org/abs/2203.17270>) `bevformer-2022` · by Zhiqi Li, Wenhai Wang, Hongyang Li, Enze Xie, Chonghao Sima, Tong Lu, Yu Qiao, Jifeng Dai

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/bevperception · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30