使用 IoGT 和距离度量方法提高自动驾驶中 3D 物体检测器的安全性

Sep, 2022

使用 IoGT 和距离度量方法提高自动驾驶中 3D 物体检测器的安全性

Improving the Safety of 3D Object Detectors in Autonomous Driving using IoGT and Distance Measures

Hsuan-Cheng Liao, Chih-Hong Cheng, Hasan Esen, Alois Knoll

TL;DR通过结合 IoGT 指标和距离比率，该论文提出了一种直接的安全度量，特别适用于自动驾驶场景下的三维物体检测器，并将 IoGT 改进为常用精度导向的损失函数，实验证明使用该损失函数训练的目标检测器显著降低了不安全预测率，同时保持良好性能和稳定性。

Abstract

State-of-the-art object detectors are commonly evaluated based on accuracy metrics such as mean average precision (mAP). In this paper, inspired by the fact that mAP is not a direct safety indicator, we propose a

object detectors mean average precision safety metric 3d object detectors autonomous driving

发现论文，激发创造

基于自我中心交并比的物体检测器定向安全

通过 Ego-Centric Intersection-over-Union (EC-IoU) 度量，提出一种面向安全的目标检测方法，以解决在自动驾驶等安全关键领域使用先进学习感知模型时的实际问题。在 KITTI 数据集上的实验结果表明，基于 EC-IoU 训练的模型在平均准确率方面优于基于 IoU 训练的变体。

Mar, 2024

自动驾驶中 3D 物体检测的离线评估

在本研究中，我们通过对 16 种物体检测模型在 CARLA 模拟器上的大量实验，首次实证评估了不同检测指标对驾驶性能的预测能力。我们发现 nuScenes 检测得分与驾驶性能的相关性高于广泛采用的平均精度指标，并呼吁谨慎依赖新兴的以规划为中心的指标类别。

Aug, 2023

从安全和可靠性角度评价物体（误）检测的后果：讨论和措施

本研究旨在通过建立物体关键性模型，提出新的物体检测评估措施来评估自动驾驶中物体检测的安全性和可靠性，并在 nuScenes 数据集上对九种物体检测器进行比较，结果表明，在多种情况下，根据 nuScenes 排名表现最好的物体检测器当重点关注安全性和可靠性时，并不是最好的选择。

Mar, 2022

从自我视角重新审视 3D 目标检测

本研究提出了一种新的视角度量方法（Support Distance Error）来评估 3D 目标检测，基于该方法提出了 StarPoly 模型来准确描述目标的几何形状，从而提高目标检测的质量和安全性。

Dec, 2021

使用以规划者为中心的度量方法学习评估感知模型

本研究提出了一种面向自动驾驶的三维物体检测的原则性指标，可以测量检测结果对车辆驾驶的影响，该指标可以考虑除 “零误报” 和 “零漏报” 之外的其他因素比如目标与车辆的距离和速度，从而代表了一种新的衡量标准。

Apr, 2020

安全导航的物体关键性

配置和部署能够成功提取对象相关性知识的对象检测器，并利用这些知识来改善轨迹规划任务。在给定物体检测器的情况下，基于对象的相关性和传统的置信度阈值进行过滤，可以减少错过相关对象的风险，降低危险轨迹的可能性，并总体上提高轨迹的质量。

Apr, 2024

多策略协同优化的 YOLOv5s 及其在距离估计中的应用

基于新的神经网络模型（YOLOv5s-SE），以 DIoU 替换 IoU，嵌入 SE 注意力模块和使用相似三角形原理的距离估计方法，提出了一个基于距离估计的安全警告系统（DESWS）。此外，还提出了一种基于非参数检测的预测距离的安全建议方法，通过模拟实验证实了平均准确率提高了 5.5％，并实现了基于估计距离信息的安全建议目标。

Dec, 2023

3DIoUMatch: 利用 IoU 预测实现半监督 3D 物体检测

本研究提出了一种基于半监督学习的 3D 目标检测方法，通过教师 - 学生的互相学习机制传播信息，结合置信度过滤和 3D IoU 定位度量，实现了在室内外场景下进行更有效、精确的目标检测，提升了现有方法的表现。

Dec, 2020

自动驾驶中行人检测的安全适应损失

本文提出了一种新颖的安全感知损失变化，利用训练过程中估计的每个行人的关键得分来提高关键行人检测性能，评估结果表明，使用我们的安全感知损失函数对关键行人进行训练可以减少漏检而不损害对非关键行人的检测性能。

Feb, 2024

3D IoU-Net: 基于 IoU 的点云三维物体检测器

提出了一种在 3D 物体检测中通过 IoU 预测来解决 NMS 中准确性问题的方法，使用了 3D IoU-Net 进行特征学习和准确性预测，并通过 Corner Geometry Encoding 和 Attentive Corner Aggregation 模块提取几何信息并实现对预测角度的不变性，实验结果表明，该方法在 KITTI car detection benchmark 上达到了最先进水平。

Apr, 2020