关于VoxelNet论文中KITTI测试集性能表内BEV含义的咨询

BEV（Bird's Eye View，鸟瞰视角）是KITTI 3D目标检测任务里的核心评估维度，在VoxelNet的性能表中，它特指将3D空间中的目标与模型检测结果投影到地面平面（X-Y平面，对应真实世界的前后、左右方向）后进行的精度评估，具体逻辑可以拆解为这几点：

• 投影规则：把真实标注的3D bounding box和模型预测的3D框，都忽略高度维度（Z轴），只保留它们在地面上的投影形状——一个2D矩形框，这个框代表了目标在地面上占据的前后、左右范围。
• 评估方式：通过计算投影后真实框与预测框的交并比（IoU），判断预测结果是否有效（KITTI里通常IoU阈值设为0.7），再基于所有样本的检测结果计算AP（平均精度）等核心指标。
• 实际意义：自动驾驶场景中，目标的平面位置（比如前车在你前方多少米、左侧还是右侧）是车辆决策的关键参考，BEV评估能直接反映模型对目标平面位置和平面尺寸的预测准确性，和3D全维度评估、图像视角评估形成互补，更全面地衡量模型性能。

内容的提问来源于stack exchange，提问作者Sion Jeon