Apr, 2021

农业机器人车辆的周围环境感知

PDF
TL;DR该研究旨在发展一种多传感器感知系统，以提高农业智能车辆在作物田地中的环境感知，包括障碍物检测、作物行引导、变量速率施肥和自动化进程等。研究使用立体视觉、LIDAR、雷达和热图等不同设备，提出了这些设备的组合方法，以区分可行和不可行区域。实验结果表明，该方法在农业环境中具有较好的效果。
发现论文，激发创造
  • 车路协同的智能感知系统

    通过利用激光雷达技术与数据融合算法，实现车路协同的共享与组合，提高自动驾驶系统的感知范围、补充盲区、提高感知精度，以促进自动驾驶技术的发展并实现车路一体化。同时，设计测试场景，证明了车路协同自动驾驶与单车自动驾驶相比的优势。

    Aug, 2022

  • 自动驾驶汽车的位置定位和三维场景感知：多相机系统

    Project AutoVision 旨在为自动驾驶汽车开发定位和 3D 场景感知的能力，利用低成本多相机的传感器套件实现 360 度覆盖和准确的多视图立体感知，在使用深度学习和多视角几何的帮助下，提高车辆在城市和乡村地区等各种环境下的自主导航。

    Sep, 2018

  • 自动驾驶和高级驾驶辅助系统的摄像头 - 雷达感知：概念，数据集和度量

    本文研究了自动驾驶系统中车辆安全性的提高、深度学习基础的障碍物检测和分割、雷达传感器和摄像头传感器的融合，以及在车辆感知中的数据集、度量、挑战和开放性问题，这些元素对于提高自动驾驶系统的普及率具有重要意义。

    Mar, 2023

  • 自动驾驶多传感器欧盟长期数据集

    这篇研究论文介绍了一种多传感器平台，可以更有效和准确地感知车辆周围的环境，收集了一组新的自动驾驶数据集，并公开给社区研究人员使用。

    Sep, 2019

  • 自动驾驶中的鲁棒性感知 3D 物体检测：综述与展望

    在现代自动驾驶领域中，感知系统是不可或缺的，它可以准确评估周围环境的状态，从而实现知情预测和规划。本研究重点研究了感知系统的鲁棒性、准确性和延迟性在实际情况下的评估，通过对基于摄像头、LiDAR 和多模态的 3D 物体检测算法进行全面评估，特别是在 KITTI-C 和 nuScenes-C 等数据集上进行公平比较，发现多模态的 3D 检测方法表现出更强的鲁棒性，并引入了一个新的分类系统以提高文献的清晰度。本调查旨在为当前三维物体检测算法在实际应用中的能力和限制提供更实用的视角，从而引导未来的研究朝向鲁棒性为中心的发展。

    Jan, 2024

  • 智能农业的自主农业机器人

    设计并进行实验，展示了一款称为农业应用机器人 (AAR) 的轻型、太阳能电动的智能地面机器人，其使用智能感知进行植物的检测和分类，在半自主的情况下可以对低矮蔬菜进行各种操作，如除草、施肥、喷洒杀虫剂等，并提供了对未来研究的有用信息。

    Aug, 2022

  • 基于全景监控系统的自动驾驶场景理解网络

    本文提出一种新的端到端解决方案，通过识别驾驶车辆在每个方向上最近的障碍物，用于计算最近障碍物的距离，并将其合并到统一的端到端架构中，实现联合物体检测、路缘检测和安全可驾驶区域检测，最终通过相机为基础系统和 3D 对象检测来在停车和行驶模式下实现这些目标的潜力。

    May, 2018

  • 基于 LiDAR 数据和传感器融合技术的三维物体检测框架比较研究

    讨论了激光雷达与传感器融合技术在自动驾驶车辆对象检测和定位方面的显著改进，并通过对最新研究方法的实验分析提出了未来的研究方向。

    Feb, 2022

  • 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

  • 基于深度学习音频分类的自动驾驶车辆环境感知改进

    该文介绍了一个基于深度卷积神经网络的音频分类框架，旨在实现自动驾驶汽车的改进环境感知，并证明了相对于现有的音频分类框架，该框架在自动驾驶汽车相关声音的情况下表现更好。

    Sep, 2022