Apr, 2024

基于 SLAM 技术的自动换道行为预测与环境感知

PDF
TL;DR研究论文探讨了在自动驾驶系统中应用 SLAM 技术（同时定位与地图构建），以实现自动车道变换行为预测和环境感知。通过比较激光雷达 SLAM 和视觉 SLAM，介绍了传统定位方法的局限性，并展示了特斯拉、Waymo 和 Mobileye 等公司在自动驾驶系统中应用人工智能技术、传感器融合和 SLAM。研究还深入探讨了 SLAM 算法、传感器技术以及自动车道变换在驾驶安全和效率中的重要性。论文强调了 SLAM 在实现准确的环境感知、定位和决策方面的关键作用，从而提升安全性和驾驶体验。
slam technologyautonomous vehiclesenvironment perceptionsensor fusionautomatic lane change
发现论文，激发创造
  • 机器学习基于的自动驾驶车辆意图轨迹识别与预测

    本文介绍了一种基于深度学习的预测方法，用于自动驾驶车辆的变道行为，旨在促进安全的变道操作，从而提高道路安全。

    Feb, 2024

  • 机器人、虚拟现实和增强现实的实时定位和建图技术原理概览

    该论文描述了如何支持应用专家在选择和配置适当的算法和适当的硬件编译路径，在 SLAM（同时定位和制图）应用中实现算法交付的工具和方法，包括系统定量评估 SLAM 算法的工具和方法，自动化的机器学习指导算法和实现设计空间的探索，以及用于优化异构、加速架构的端到端模拟工具。

    Aug, 2018

  • 基于 LSTM 的自动驾驶换道安全预测模型

    自动驾驶技术能够提高交通安全和减少事故，本研究提出了基于短期记忆 (LSTM) 网络的安全敏感深度学习模型来预测轨迹，通过考虑交互信息的意图识别模块，实现高准确性和流畅性的车道变换，并优化自动驾驶轨迹规划。

    Feb, 2024

  • 大规模自主地图制作与位置定位：用于感知性下降地下环境探索的技术 (LAMP)

    在大规模、未知和复杂的地下环境中进行同时定位和地图构建（SLAM）是一个具有挑战性的问题。本文在 DARPA Subterranean Challenge 的背景下，实施和测试了一种基于激光雷达的多机器人 SLAM 系统，包括准确的激光雷达前端和自动排除异常闭环的灵活和强健后端。在具有挑战性的地下环境中进行了大规模的评估并讨论了未来的研究方向。

    Mar, 2020

  • 基于视觉的 SLAM 综述：从几何建模到基于学习的语义场景理解

    本文回顾了 Visual-SLAM 领域中采用基于深度学习等基于数据驱动的方法来解决传统基于几何模型的技术在复杂环境中难以处理的 SLAM 问题的最新进展，并探讨了其面临的挑战和发展机遇。

    Sep, 2022

  • 同时定位与地图构建的过去、现在和未来：走向强健感知时代

    关于 Simultaneous Localization and Mapping (SLAM) 的论文综述，介绍了 SLAM 的标准公式化表达和相关工作，探讨了挑战和新领域，并提出了值得深入研究的问题和开放挑战。

    Jun, 2016

  • 基于视觉 SLAM 的轨迹训练自动泊车系统

    本文介绍了一种基于视觉算法的 “训练轨迹” 自动驾驶停车系统，并将其部署在商用车上展示其消费应用。

    Jan, 2020

  • 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

  • 自动驾驶激光雷达：汽车激光雷达和感知系统的原理、挑战和趋势

    本文综述了目前 LiDAR 技术在自动驾驶汽车领域所处的状态，涉及了从激光发射器到其光束扫描机制等组件，以及该技术处理感知数据的特定流程，其中探讨了模型驱动方法和新兴的深度学习解决方案，最后总结了该技术的局限性和面临的挑战及趋势。

    Apr, 2020

  • 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