BEV 感知工程

先认识一个能追到训练入口的基线，再看 MapTR 如何表达地图元素，最后讨论部署和多传感器融合。我更关心输入、输出和测量口径是否清楚；论文指标和车端运行表现需要分别看。

按这个顺序读

1. SIMPLE_BEV学习

   从训练入口、相机数量和梯度累积入手，理解一个 BEV 基线的实验配置。

2. MapTR 的层级查询设计：用类比理解维度推导

   对照上游实现，推导实例与点查询的广播相加、位置与内容拆分，以及地图输出。

3. BEV 感知部署：从模型延迟到系统实时性

   梳理 TensorRT、BEV pooling 和流水线优化，说明 FPS 对比需要哪些测量条件。

4. 拨云见日，洞察秋毫：智能驾驶感知系统的融合与优化之道

   串起前后融合、传感器标定、BEV 表达和检测跟踪的工程关系。