自动驾驶中的逆透视变换（Inverse Perspective Mapping，IPM）详解

前言
IPM（Inverse Perspective Mapping，逆透视变换）图的历史可以追溯到计算机视觉和图像处理领域的发展。逆透视变换是一种用于消除图像中透视效应的技术，使得原本由于透视产生的形变得以纠正，进而更准确地描述和理解图像中的场景。比如在行车中的车道线检测，泊车中的常见障碍物检测，自动驾驶感知最开始的方案基本都离不开IPM图。
早期，自动驾驶系统主要依赖于传统的2D感知算法，这些算法通常从单张图像（或者IPM图）中检测或分割目标。然而，随着自动驾驶技术的发展，对车辆周围环境感知的需求越来越高（比如IPM图拼接处的检测准确度较差），需要更全面地理解车辆周围的目标和障碍物。
因此，研究者们开始探索如何将来自不同摄像头和传感器的数据融合到一个统一的视图中，BEV（Bird’s Eye View，鸟瞰图）的概念就是在这样的背景下提出的。通过将来自多个摄像头的数据投影到一个共享的BEV空间中，可以创建一个从上方俯视的二维图像，其中包含了车辆周围环境中的所有目标和障碍物。随着特斯拉将BEV技术量产发布后，国内的自动驾驶公司感知模块也在逐步切换到BEV方案。

一、 IPM图

（1）定义

在自动/辅助驾驶中，车道线的检测非常重要。在前视摄像头拍摄的图像中，由于透视效应的存在，本来平行的事物，在图像中确实相交的。而IPM变换就是消除这种透视效应，所以也叫逆透视。IPM能够实现将从车辆摄像头捕获的图像中的车道线或其他特征，从透视视角（即摄像头视角）转换到鸟瞰视角（