廣告
一文讀懂自動駕駛數(shù)據(jù)閉環(huán)
2021-09-21 18:17:01· 來源：智駕最前沿
應(yīng)該說，自動駕駛的算法模塊，基本都是數(shù)據(jù)驅(qū)動的訓(xùn)練模型要優(yōu)于基于規(guī)則或者優(yōu)化的，尤其是感知和預(yù)測。
以下圖（綜述論文 “A Survey of Autonomous Driving: Common Practices and Emerging Technologies”）為例，現(xiàn)在自動駕駛的開發(fā)基本是模塊化的（a），只有個別是采用端到端模式（b）。
端到端模式可以說絕對是數(shù)據(jù)驅(qū)動的（如圖為例），因?yàn)閭鹘y(tǒng)的優(yōu)化和規(guī)則方法無法處理如此復(fù)雜的系統(tǒng)設(shè)計和公式化。
“E2E Learning of Driving Models with Surround-View Cameras and Route Planners”
模塊化的方法也是可以采用數(shù)據(jù)驅(qū)動方式，可以分成以下模塊：
-
感知：圖像/激光雷達(dá)/毫米波雷達(dá)
-
地圖+定位
-
預(yù)測（感知-預(yù)測）
-
規(guī)劃決策（預(yù)測-規(guī)劃）
-
控制（規(guī)劃-控制）
-
傳感器預(yù)處理
-
模擬仿真
下面以此分別討論：
1）感知：2-D/3-D 目標(biāo)檢測和分割基本是采用深度學(xué)習(xí)模型，無論激光雷達(dá)、攝像頭或者傳感器融合的形式；跟蹤基本是tracking-by-detection方式，不過把跟蹤和檢測集成在一起做深度學(xué)習(xí)模型也是大家討論的熱點(diǎn)之一。
“Keep your Eyes on the Lane: Real-time Attention-guided Lane Detection”
“M3DSSD: Monocular 3D Single Stage Object Detector”
“PointPillars: Fast Encoders for Object Detection from Point Clouds”
“Joint 3D Proposal Generation and Object Detection from View Aggregation”
”Seeing Through Fog: Deep Multimodal Sensor Fusion in Unseen Adverse Weather“
“Fast and Furious: R-T E2E 3D Detection, Tracking& Motion Forecasting with a Single Cnn”
廣告 編輯推薦
最新資訊
-
開年豪擲1.8億搶用戶，又一車企加入“價格
2026-03-04 16:05
-
聯(lián)合國法規(guī)R60對兩輪車操縱件與指示裝置的
2026-03-04 12:08
-
標(biāo)準(zhǔn)立項(xiàng)|《汽車異種材料鉚接接頭拉伸性能
2026-03-04 11:40
-
“汽車大角度座椅 第1部分：通用要求”將有
2026-03-04 11:39
-
“汽車大角度座椅 第2部分：可靠性要求”將
2026-03-04 11:39
