BEVFusion总体结构如下图所示，在相机和lidar的输入都已经被网络提取特证之后，就要对两种特征进行融合，
在BEV Fusion中图像支路得到的是 Camera BEV Features，点云支路得到的是 LiDAR BEV Features，除了2d和3d各自的检测支路之外，下一步我们要做什么呢，那就是融合，也就是 Fusion Module 模块。接下里啊就来仔细来看下这个模块。
特征融合是怎么进行的呢？
融合其实很简单，一个级联，一个是卷积做一下特征提取就结束了。
然后我们引入了一个叫 Adaptive Feature Selection，翻译过来叫做特征的自适应选择，其实这就是一个 Attention组件，使用的就是注意力机制
谓的注意力机制包括空间注意力、通道注意力、混合注意力还有 self-attention 等等，关于这些attention就看一下另一个帖子我不赘述了。
空间注意力、通道注意力、混合注意力和 Self-Attention
稍微整理了一个回答，贴在了下面
说的还是比较清楚的，细究的话那就是在经过了channel的直接拼接（级联）之后，我们通过这一段输出的其实就是对于通道的权重了，在这里学习注意力之后，再与下面一行相乘，得到的就是带有通道注意力的特征了。
