整个模型的作用，就是将单个摄像头2维的信息先 lift 到3维，然后再将多个摄像头3维的信息进行splat（拼接）。然后再去对历史轨迹进行shoot，预测主车未来的行驶轨迹。从二维转到三维需要满足一下三个性质：1. 转换完之后障碍物的性质是不会改变的；2. 和camera的顺序无关；3. 和camera所处位置无关。
https://zhuanlan.zhihu.com/p/567926611
