本研究提出了一种高效的基于BEV的3D检测框架BEVENet，通过仅采用卷积架构设计，克服了ViT模型的局限性，同时保持了BEV方法的有效性。实验证明，BEVENet在NuScenes挑战赛中比当代最先进方法快3倍，同时在NuScenes验证数据集上获得0.456的平均精确度（mAP）和0.555的nuScenes检测分数（NDS），推断速度为47.6帧每秒。突显了BEV方法在实际自动驾驶应用中的可行性提升。

本研究提出了一种高效的基于BEV的3D检测框架BEVENet，通过卷积架构设计，克服了ViT模型的局限性，保持了BEV方法的有效性。实验证明，BEVENet在NuScenes挑战赛中比当代方法快3倍，获得0.456的平均精确度和0.555的nuScenes检测分数，推断速度为47.6帧每秒。这是首次实现如此显著的BEV方法效率改进的研究，突显了它们在实际自动驾驶应用中的可行性提升。