Apr, 2017

自动驾驶车辆的计算机视觉问题、数据集和现状

PDF
TL;DR本研究通过对 AI，计算机视觉和自动驾驶领域进行综述，提出了本领域的问题，数据集和方法，分析了当前的研究状况和历史上最重要的文献，包括自动驾驶的认知，重构，运动估计，跟踪，场景理解和端到端学习，并分析了在 KITTI，MOT 和 Cityscapes 等数据集上的性能，讨论了该领域的挑战和未来方向。
aicomputer visionautonomous vehiclessurveystate-of-the-art
发现论文，激发创造
  • 自动驾驶车辆中的计算机视觉应用：方法、挑战与未来发展方向

    自动驾驶车辆的知觉系统及其与计算机视觉和传感器相关的技术发展和应用进行了综述，概述了自动驾驶车辆的发展、传感器和数据集、计算机视觉应用以及公众意见和担忧，并分析了当前技术挑战和未来研究方向。

    Nov, 2023

  • 自动驾驶数据集综述：数据统计、标注和展望

    自动驾驶发展迅速，硬件和深度学习方法的新进展表现出了良好的性能，高质量的数据集对于开发可靠的自动驾驶算法至关重要。本研究全面调查了 200 多个自动驾驶数据集的多个方面，并引入了一种新的评估指标来评估每个数据集的影响，为建立新的数据集提供了指导。此外，还分析了数据集的注释过程和质量，并对几个重要数据集的数据分布进行了深入分析。最后，讨论了未来自动驾驶数据集的发展趋势。

    Jan, 2024

  • 自动驾驶计算系统：现状和挑战

    本研究论文综述了自动驾驶的最新计算系统、性能指标、核心技术和挑战，并旨在吸引计算机和汽车领域的关注和更多研究。

    Sep, 2020

  • 自动驾驶深度学习技术综述

    本文旨在调查深度学习技术在自驾车领域中的最新进展及其强项与局限性，涵盖了基于人工智能的自动驾驶架构、卷积和循环神经网络、深度强化学习范式等内容，以及感知、路径规划、行为仲裁和运动控制算法。同时，重点探讨了当今在设计自动驾驶人工智能架构中所面临的挑战，如安全性、训练数据源和计算硬件等。

    Oct, 2019

  • 自动驾驶的 3D 物体检测综述

    本文旨在填补 3D 对象检测在自动驾驶中的知识空白，综述了相关领域的传感器、数据集、性能度量以及最新的检测方法，分析了其优劣，并进行了定量比较和案例研究，最后总结了研究成果和未来发展方向。

    Jun, 2021

  • 自动驾驶决策数据集调查

    该研究对自主驾驶车辆的决策制定模块进行了探讨，提出了数据驱动决策制定方法的重要性，并对车辆、环境和驾驶员状况的数据进行了比较和总结，进一步总结了数据集的潜在应用及未来发展趋势。

    Jun, 2023

  • 自动驾驶中的协同感知数据集调查

    本研究综述了车辆对基础设施（V2I）、车辆对车辆（V2V）和车辆对一切（V2X）的协作感知数据集，重点关注用于自动驾驶车辆感知任务的大规模基准的最新发展。该论文系统地分析了各种数据集，比较了它们在多样性、传感器设置、质量、公开可用性和对下游任务的适用性等方面，同时突出了领域转移、传感器设置限制以及数据集多样性和可用性方面的关键挑战。强调了在数据共享和数据集创建方面解决隐私和安全问题的重要性。结论强调了需要全面、全球可访问的数据集以及技术和研究社区的协作努力来克服这些挑战，并充分发挥自动驾驶的潜力。

    Apr, 2024

  • 基于深度学习的计算机视觉在自动驾驶技术中的应用研究

    该研究探索了深度学习在自动驾驶计算机视觉技术中的应用及其对系统性能的改进影响。研究结果表明，深度学习技术可以显著提高自动驾驶系统的准确性和实时响应能力。尽管在环境感知和决策支持方面仍存在挑战，但随着技术的进步，预计未来能实现更广泛的应用和更大的潜力。

    Jun, 2024

  • 自主车辆中的目标检测：现状与开放挑战

    本文研究计算机视觉中的物体检测任务，分析其在自主驾驶汽车中的应用，并探讨目前物体探测器的现状和面临的挑战。

    Jan, 2022

  • 自主驾驶新兴技术概述

    本文概述了自动驾驶技术及其存在的问题，重点探讨了自动驾驶系统中的感知、地图定位、预测、规划和控制、仿真、车联网及安全等方面，并着重介绍了数据闭环解决自动驾驶问题的框架。

    Jun, 2023