- EditFollower：可调节的车跟随模型用于可定制的自适应巡航控制系统
我们提出了可编辑行为生成（EBG）模型，这是一种数据驱动的车辆跟随模型，允许调整驾驶不礼貌水平，该模型整合了多种礼貌计算方法，通过 LSTM 和 Transformer 架构提供了全面的方法来捕捉细微的驾驶动力学。该模型是第一个可以动态调整 - 面向数据驱动的自动驾驶虚拟测试的联合方法：AVEAS 项目
该研究介绍了德国 AVEAS 研究项目的中间结果，该项目旨在开发用于高级驾驶辅助系统和自动驾驶的虚拟验证和验证的真实世界数据的方法和度量，并建立遵循 FAIR 原则的在线数据库。
- TGTM: 基于 TinyML 的高动态范围传感器全局色调映射
本研究论文介绍了一种基于小型机器学习的全局色调映射方法（TGTM），该方法在任意分辨率下的每个 RGB 图像上以 9,000 FLOPS 的计算速度操作，通过应用于图像直方图数据，实现了 HDR 图像的色调映射，结果表明 TGTM 在实际 - 探究困境区个性化驾驶行为：分析和预测停车或直行决策
利用基于游戏引擎（即 CARLA）的驾驶模拟器，收集了来自四名司机在不同场景下的高分辨率车辆轨迹、交通信号相位和时间信息以及停车或通行的决策，通过分析个性化驾驶行为并开发个性化变压器编码器预测个体司机在困境区域中的停车还是通行决策，结果表明 - 深度强化学习在高风险驾驶场景下的先进纵向控制和碰撞避免
现有的先进驾驶辅助系统主要关注直接前方的车辆，通常忽视了来车的潜在风险。本研究引入了一种基于深度强化学习的新算法，用于纵向控制和避撞，该算法有效地考虑了前后车辆的行为，并在模拟的高风险情况下实施，如紧密行驶的多车辆场景中的紧急刹车，传统系统 - 雷达幽灵数据集 -- 对汽车雷达数据中的幽灵物体进行评估
本文介绍了一种包含有关不同类型幽灵检测的详细手动注释的数据集，并评估了识别这些对象的两种不同方法。希望我们的数据集能鼓励更多研究者参与到多径对象抑制或开发领域中。
- 使用合成数据增强学习找到缺失的视频帧：通用框架及在使用 RGB 相机生成热像的应用
通过使用生成模型方法，提出了使用有条件的生成对抗网络（cGANs），比较了 pix2pix 和 CycleGAN 两种结构，实验结果表明 pix2pix 的性能优于 CycleGAN，并且利用多视角输入样式，特别是叠加视图，提高了热像生成的 - 利用自监督实例对比学习进行雷达物体检测
本文提出了一种自我监督学习的雷达目标检测预训练框架 RiCL，通过利用雷达的检测和时间信息，可以用较少的数据来预训练目标检测模型，实验结果表明我们的方法在范围 - 多普勒图中可以学习到物体的通用表示，并且只需要使用整个训练集数据 20% 的 - 自动驾驶车辆运行期间安全驾驶员注意力分类
这篇论文介绍了一种利用红外摄像机和车辆感知系统的双源方法，以便根据驾驶员的警觉程度评估其操作安全性，并在需要时进行干预，从而为 ADAS 和 AV 的整体安全和效率做出贡献。
- 鸟瞰视角下雷达 - 摄像头融合的跨数据集实验研究
通过利用互补的传感器信息，雷达和相机融合系统具有为高级驾驶员辅助系统和自动驾驶功能提供高度鲁棒可靠的感知系统的潜力。最近相机基于物体检测的进展为鸟瞰特征图的雷达相机融合提供了新的可能性。本文提出了一种新颖而灵活的融合网络，并在两个数据集（n - ICCV融合伪标签与弱监督用于动态交通场景
引入了一个弱监督标签统一流程，用于合并来自多个训练在异构数据集上的目标检测模型的伪标签，从而构建了一个统一的标签空间，纠正偏见并提高泛化能力。通过对多个数据集上的目标检测模型进行微调，并精确验证伪标签，重新训练一个目标检测模型，最终得到一个 - 深度神经网络在线黑盒置信度估计
本文提出了一种用于估计任意深度神经网络分类置信度的指标 —— 邻域置信度 (NHC)，可用于自动驾驶和高级驾驶辅助系统中实时可行并且不需要访问梯度，训练数据集或保留验证数据集。在不同的数据分布下进行评估，包括小的领域分布移位，域外数据或对抗 - ADAS 的因果分析：文献综述和投诉数据的比较研究
研究高级驾驶辅助系统（ADAS）的限制和解决方案，通过文献综述和消费者投诉基于自然语言处理模型，发现 ADAS 的人类因素、环境因素和车辆因素的原因和影响，提出改进 ADAS 的算法和方法。
- AAAI基于卡尔曼滤波前向碰撞警告系统的顺序攻击
本文研究在自動駕駛車輛系統中，對基於 Kalman 濾波器進行前向碰撞警報的攻擊。我們通過預測性控制方法，對傳感器测量進行適當干擾，成功地影響了濾波器的狀態估計，從而錯誤地觸發或延遲警報信號，導致意外碰撞。
- MobilBye：使用相机欺骗攻击 ADAS
本文通过对 Mobileye 的实际测试，注入环境干扰（比如颜色、形状、速度、直径和光线）来检验其鲁棒性，发现它可以被欺骗，判断无人机携带的冒牌交通标志为真实的事实
- Stixel 世界：交通场景的一种中等级别表征
通过引入 Stixel World 的概念，将环境的内容进行压缩和结构化处理，从而解决了车载摄像头信息处理上的难题，可以广泛应用于目标检测、跟踪、分割和地图制作等汽车视觉应用领域。
- 基于 GPU 的半全局匹配实时立体估计
该研究提出了一种可嵌入低功耗 GPU 设备的实时系统，使用 Semi-Global Matching 算法，针对机器人、高级驾驶辅助系统和自主车辆等的需求，在 640x480 的图像大小、128 个视差级别和 4 个路径方向下，以每秒 42 - NIPS增强型孪生网络在多目标跟踪中的相似度映射
本文介绍了一种基于增强 Siamese 神经网络的相似性映射的跟踪系统，该系统考虑了外观和几何信息，并可进行端到端的训练，以减少整体系统复杂性和需要针对特定环境进行调整的超参数数量，在 MOT16 挑战中取得了具有竞争性的速度和准确性。
- ICCV基于深度融合感知的车辆预知系统 Brain4Cars
在这项工作中，我们提出了一种汽车传感器丰富的平台和学习算法用于机动预测，该平台使用多个传感器流并联学习以提前预测机动，并提出了一种新颖的训练流程，我们提供了一个包含 1180 英里自然高速公路和城市行驶数据集，在现实时间内可以预测 3.5 - ICCV车辆在您之前就能预测：通过学习时间驾驶模型来预测车辆操作
本文提出了一种先进的驾驶辅助系统，通过使用相机和计算设备，捕捉车辆内外的驾驶环境并使用自回归输入 - 输出 HMM 模型来预测驾驶员的驾驶操作，实现在真实环境下 3.5 秒内实时预测驾驶操作，达到 F1 得分超过 80%。