一种基于xFormers优化的多视角3D目标检测方法、系统及装置

本发明公开了一种基于xFormers优化的多视角3D目标检测方法、系统及装置，本发明针对现有BEV3D目标检测中时序建模能力不足、全局注意力显存消耗巨大等问题，创新性地提出了基于xFormers内存高效优化的全局时序注意力机制；具体包括：（1）从多帧历史图像中逐帧提取BEV特征，构建包含3‑8帧的完整时序记忆序列；（2）通过交叉注意力机制，使当前帧BEV查询注意完整的历史记忆；（3）引入帧位置编码和相机几何编码，增强时序推理和空间一致性；（4）采用xFormers分块计算策略，将注意力矩阵显存从12.8GB降至2~3GB，实现单GPU训练；该方法在nuScenes数据集上相比现有技术，显存消耗更低，检测精度更高，时序稳定性提升，可应用于自动驾驶、智能交通、机器人导航等领域。