ICCVAug, 2023

自动驾驶中 3D 物体检测的离线评估

PDF
TL;DR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。
3d object detectionoffline metricsdriving performanceself-driving stackplanner-centric metrics
发现论文，激发创造
  • 关于基于视觉的驾驶模型的离线评估

    本文探讨了自动驾驶模型评估的方法，发现离线预测误差并不一定与驾驶质量相关，而适当选择验证数据集和适当的离线指标可以显著提高离线评估与驾驶质量的相关性。

    Sep, 2018

  • 自动驾驶感知系统可信度评分指标探究

    该研究探讨了自主驾驶汽车中目标检测算法的可靠性问题，提出一种设计在线指标以准确评估目标检测算法的可信度的方法，并采用现实的图像扰动对各种量化指标进行评估。

    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

  • 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

  • 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

  • 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

    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。

    Sep, 2022

  • 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

  • 自动驾驶中概率目标检测的综述和比较研究

    这篇论文对深度学习中目标检测中的不确定性估计进行了综述和比较研究，着重关注了自动驾驶应用中的概率物体检测方法，提供了用于公共数据集的显式比较研究，并讨论了该领域面临的挑战和未来工作。

    Nov, 2020

  • 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

  • 自动驾驶中三维物体检测对常见破坏的鲁棒性基准测试

    本研究旨在设计公共数据集，并建立三种耐受性基准 (KITTI-C、nuScenes-C 和 Waymo-C) 来检验 27 种常见情况下的真实世界杂质对三维物体检测模型的鲁棒性，结果发现基于雷达与相机融合的模型具有更好的鲁棒性。

    Mar, 2023