书接前文
前文链接： 用BEVformer来卷自动驾驶-2 (qq.com)
上文书基本把BEV的概念捋清楚了，也对标准BEV可能存在的计算和显存的压力做了一番分析
这篇就是介绍BEVformer是个啥
先给个定义，BEVformer就是个基本框架：
1-通过多个摄像头来进行特征融合，纯视觉方案
2-通过特征对齐，将attention应用于时间与空间维度
3-Attention也是极简attention，抛弃多余的特征，在允许的范围内，尽量的粗粒度分布的空间（省资源）
4-Deformable-attention(这个估计大概率得开一门新篇了，这里就简单介绍一下)
举些例子说明它怎么做到的以上的能力和思路
老图新改
按照下图说，比如我要求橙色箭头上对应的这个点的特征，那如果我想求出这个点的特征，要和其他6个矩阵中的哪几个矩阵去做乘法呢（没错其实就可