现在主摄像头都是36帧的，而激光雷达只有20帧，这完全不同步啊怎么嵌入，
而且激光雷达每一帧都是逐点机械扫描出来的，别说跟摄像头的平面整体成像去对齐了，
自己每帧都存在垂直同步的问题，这在高速条件下尤为明显，
这个数据质量丢给端到端，搞不好就是负作用，把摄像头信息也给污染了
我觉得这也是大白天的大货停那激光雷达都看不见硬往上撞的原因

【 在 BruceWang 的大作中提到: 】
: 无论视频帧还是激光雷达帧，都带有时间戳的，按照时间戳去视频里抽帧，编码后嵌入大模型，有什么费劲的。
: 你说的费劲还停留在上古的后融合方案里面，现在端到端都前融合了，天然解决了多模态对齐的问题。
--
FROM 14.154.57.*