这是DLAD（ETH自动驾驶深度学习课程）中致力于深入理解多模态驾驶数据的第一个项目组成部分

项目1-多模式驾驶数据 这是DLAD（自动驾驶深度学习）的项目1，其重点是理解多模式驾驶数据。 任务1-BEV 任务1的重点是从Velodyne点云获取BEV（鸟瞰）。 每个方向的BEv分辨率均为0.2。 BEV如下图所示。 任务2-语义分割和Bbox投影 任务2是将Velodyne品脱云投射到图像上。 为了实现这一点，在将维洛迪因点附加一个额外的维数之后，利用外在和内在的投影矩阵来实现本地坐标。 外在投影矩阵用于将Velodyne点云从世界坐标系转换为相机坐标系（cam0）。 然后，进一步利用固有投影矩阵，将点转换为另一个摄像机（cam2）的摄像机参考系。 最终，云的每个点现在对应于一个拥有（u，v，1）的本地矩阵（3x1），其中u和v对应于image2像素。 图像2自然对应于相机2拍摄的图像。对于此任务，场景对象的bbox回归是焦点。 bbox投影在image2上。 但是，bbox坐