chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

頂刊TPAMI最全綜述!深入自動駕駛BEV感知的魔力!

3D視覺工坊 ? 來源:3D視覺工坊 ? 2024-01-14 09:53 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

1. 寫在前面

今天筆者為大家推薦一篇BEV感知的最新綜述,分析了BEV感知的核心難點,回顧了關(guān)于BEV感知的最新工作,并對不同的解決方案進行了深入分析,還描述了來自工業(yè)界的幾種BEV方法的系統(tǒng)設(shè)計。

下面一起來閱讀一下這項工作~

2. 摘要

在鳥瞰圖( bird ' s-eye-view,BEV )中學(xué)習(xí)強大的表征用于感知任務(wù)是一種趨勢,并引起了工業(yè)界和學(xué)術(shù)界的廣泛關(guān)注。大多數(shù)自動駕駛算法的傳統(tǒng)方法在前方或視角視圖中執(zhí)行檢測、分割、跟蹤等。隨著傳感器配置越來越復(fù)雜,集成來自不同傳感器的多源信息并在統(tǒng)一視圖中表示特征變得至關(guān)重要。BEV感知繼承了幾個優(yōu)點,因為在BEV中表示周圍的場景是直觀的和融合友好的;而在BEV中表示對象是后續(xù)模塊在規(guī)劃和/或控制中最需要的。BEV感知的核心問題在于:( a )如何通過視角到BEV的視角轉(zhuǎn)換來重建丟失的三維信息;( b )如何獲取BEV網(wǎng)格中的真實標注;( c )如何制定管線以納入來自不同來源和視圖的特征;( d )隨著傳感器配置在不同場景中的變化,如何適應(yīng)和推廣算法。在這項調(diào)查中,我們回顧了關(guān)于BEV感知的最新工作,并對不同的解決方案進行了深入分析。此外,還描述了來自工業(yè)界的幾種BEV方法的系統(tǒng)設(shè)計。此外,我們還介紹了一套完整的實用指南,以提高BEV感知任務(wù)的性能,包括相機、激光雷達和融合輸入。最后,指出了該領(lǐng)域未來的研究方向。我們希望本報告能給社區(qū)帶來一些啟示,并鼓勵更多關(guān)于BEV感知的研究工作。

3. 文章結(jié)構(gòu)

BEV感知的任務(wù)總結(jié),包括輸入數(shù)據(jù)總結(jié)、底層任務(wù)總結(jié),還有核心任務(wù)總結(jié)。

3437b824-b22e-11ee-8b88-92fbcf53809c.jpg

BEV感知數(shù)據(jù)集總結(jié)。

3444d4a0-b22e-11ee-8b88-92fbcf53809c.jpg

BEV感知的主要工作。在輸入模態(tài)下," L "為LiDAR," SC "為單相機," MC "為多相機," T "為時間信息。在Task下,' ODet '用于3D目標檢測,' LDet '用于3D車道線檢測,' MapSeg '用于地圖分割,' Plan '用于運動規(guī)劃,' MOT '用于多目標跟蹤。

3462445e-b22e-11ee-8b88-92fbcf53809c.jpg

BEV感知算法在主流基準上的性能比較。

3480e47c-b22e-11ee-8b88-92fbcf53809c.jpg

視覺BEV感知的通用框架。包括2D特征提取器、視圖轉(zhuǎn)換和3D解碼器3個部分。在視圖轉(zhuǎn)換中,有兩種方式對3D信息進行編碼- -一種是從2D特征中預(yù)測深度信息;另一種是從3D空間采樣2D特征。

3491a55a-b22e-11ee-8b88-92fbcf53809c.jpg

LiDAR BEV感知的通用框架。將點云數(shù)據(jù)轉(zhuǎn)換為BEV表示主要有兩個分支。上層分支提取三維空間中的點云特征,提供更準確的檢測結(jié)果。下層分支在2D空間中提取BEV特征,提供更高效的網(wǎng)絡(luò)。

34a2634a-b22e-11ee-8b88-92fbcf53809c.jpg

視覺BEV感知檢測任務(wù)。

34b6f382-b22e-11ee-8b88-92fbcf53809c.jpg

LiDAR BEV感知分割任務(wù)。

34c8a474-b22e-11ee-8b88-92fbcf53809c.jpg

4. 總結(jié)

這篇綜述對近年來的BEV感知進行了全面的回顧,作者認為未來的發(fā)展趨勢是:( a )如何設(shè)計一個更精確的深度估計器;( b )如何在一種新的融合機制中更好地對齊來自多個傳感器的特征表示;( c )如何設(shè)計一個無參數(shù)的網(wǎng)絡(luò),使得算法的性能不受姿態(tài)變化或傳感器位置的影響,從而在各種場景中獲得更好的泛化能力;以及( d )如何從基礎(chǔ)模型中整合成功的知識,以促進BEV的感知。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 傳感器
    +關(guān)注

    關(guān)注

    2573

    文章

    53867

    瀏覽量

    779947
  • 算法
    +關(guān)注

    關(guān)注

    23

    文章

    4740

    瀏覽量

    96726
  • 自動駕駛
    +關(guān)注

    關(guān)注

    791

    文章

    14543

    瀏覽量

    173916

原文標題:頂刊TPAMI最全綜述!深入自動駕駛BEV感知的魔力!

文章出處:【微信號:3D視覺工坊,微信公眾號:3D視覺工坊】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點推薦

    自動駕駛感知不一致是怎么發(fā)生的?

    [首發(fā)于智駕最前沿微信公眾號]為了讓自動駕駛汽車能夠安全行駛,很多技術(shù)方案中會將多個感知硬件加裝到車輛上,以確保自動駕駛汽車感知冗余,但感知
    的頭像 發(fā)表于 09-17 12:45 ?307次閱讀
    <b class='flag-5'>自動駕駛</b><b class='flag-5'>感知</b>不一致是怎么發(fā)生的?

    如何確保自動駕駛汽車感知的準確性?

    [首發(fā)于智駕最前沿微信公眾號]自動駕駛汽車想要自動駕駛,首先要做的就是能對周邊環(huán)境實現(xiàn)精準感知,也就是能“看”清道路,那自動駕駛汽車如何在復(fù)雜、快速變化的道路環(huán)境中做到
    的頭像 發(fā)表于 08-23 15:06 ?1217次閱讀
    如何確保<b class='flag-5'>自動駕駛</b>汽車<b class='flag-5'>感知</b>的準確性?

    低速自動駕駛與乘用車自動駕駛在技術(shù)要求上有何不同?

    [首發(fā)于智駕最前沿微信公眾號]自動駕駛技術(shù)的發(fā)展正朝著多元化方向邁進,其中低速自動駕駛小車(以下簡稱“低速小車”)因其在物流配送、園區(qū)運維、社區(qū)服務(wù)等場景中的獨特價值而受到廣泛關(guān)注,且現(xiàn)階段已經(jīng)深入
    的頭像 發(fā)表于 07-14 09:10 ?433次閱讀
    低速<b class='flag-5'>自動駕駛</b>與乘用車<b class='flag-5'>自動駕駛</b>在技術(shù)要求上有何不同?

    SONY FCB-CR8530,如何重塑自動駕駛視覺感知格局?

    自動駕駛技術(shù)快速發(fā)展的當(dāng)下,車輛對周圍環(huán)境的精準感知是確保安全與高效運行的關(guān)鍵。凱茉銳電子SONY FCB-CR8530攝像機憑借其卓越性能,正逐漸成為自動駕駛領(lǐng)域視覺感知系統(tǒng)的核心
    的頭像 發(fā)表于 06-25 17:54 ?362次閱讀

    小鵬汽車在全球AI會展示下一代自動駕駛模型

    此前,北京時間6月11-14日,計算機視覺會CVPR 2025在美國田納西州納什維爾舉行,小鵬汽車受邀參與自動駕駛研討會CVPR WAD(Workshop on Autonomous
    的頭像 發(fā)表于 06-23 09:13 ?860次閱讀

    淺析4D-bev標注技術(shù)在自動駕駛領(lǐng)域的重要性

    感知領(lǐng)域的一項突破性創(chuàng)新,通過引入時間維度與全局視角,為自動駕駛系統(tǒng)提供了高精度、多模態(tài)的時空真值數(shù)據(jù),重塑了自動駕駛系統(tǒng)的開發(fā)范式。 4D-BEV標注是什么? 4D-
    的頭像 發(fā)表于 06-12 16:10 ?719次閱讀

    AI將如何改變自動駕駛?

    自動駕駛帶來哪些變化?其實AI可以改變自動駕駛技術(shù)的各個環(huán)節(jié),從感知能力的提升到?jīng)Q策框架的優(yōu)化,從安全性能的增強到測試驗證的加速,AI可以讓自動駕駛從實驗室走向大規(guī)模商業(yè)化。 對于
    的頭像 發(fā)表于 05-04 09:58 ?484次閱讀

    感知融合如何讓自動駕駛汽車“看”世界更清晰?

    自動駕駛技術(shù)被認為是未來交通領(lǐng)域的革命性變革,其目標是通過技術(shù)手段實現(xiàn)安全、高效、便捷的出行體驗。而在這一技術(shù)體系中,環(huán)境感知系統(tǒng)扮演著至關(guān)重要的角色,它不僅是自動駕駛車輛理解外部世界的“眼睛
    的頭像 發(fā)表于 04-27 16:24 ?501次閱讀
    <b class='flag-5'>感知</b>融合如何讓<b class='flag-5'>自動駕駛</b>汽車“看”世界更清晰?

    康謀方案 | BEV感知技術(shù):多相機數(shù)據(jù)采集與高精度時間同步方案

    隨著自動駕駛技術(shù)的快速發(fā)展,車輛準確感知周圍環(huán)境的能力變得至關(guān)重要。BEV Camera數(shù)據(jù)采集方案有效解決了多相機同步采集和高精度時間同步的難題,還提供了靈活的相機參數(shù)配置和高效的數(shù)據(jù)傳輸,能夠滿足
    的頭像 發(fā)表于 02-06 13:45 ?3840次閱讀
    康謀方案 | <b class='flag-5'>BEV</b><b class='flag-5'>感知</b>技術(shù):多相機數(shù)據(jù)采集與高精度時間同步方案

    2024年自動駕駛行業(yè)熱點技術(shù)盤點

    感知輕地圖以及純視覺等。這些技術(shù)的出現(xiàn),也代表著自動駕駛正從概念走向現(xiàn)實,今天就給大家來盤點2024年自動駕駛行業(yè)出現(xiàn)的那些技術(shù)熱點! ? 城市NOA:邁向精細化駕駛的關(guān)鍵路徑 城市N
    的頭像 發(fā)表于 01-14 10:48 ?920次閱讀

    淺析基于自動駕駛的4D-bev標注技術(shù)

    4D-bev標注技術(shù)是指在3D空間中以時間作為第四個維度進行標注的過程。4D-bev通常在地場景較為復(fù)雜的自動駕駛場景中使用,其可以通過精準地跟蹤和記錄動態(tài)對象的運動軌跡、姿勢變化以及速度等信息,全面理解和分析動態(tài)對象在連續(xù)的時
    的頭像 發(fā)表于 12-06 15:01 ?5809次閱讀
    淺析基于<b class='flag-5'>自動駕駛</b>的4D-<b class='flag-5'>bev</b>標注技術(shù)

    一文聊聊自動駕駛測試技術(shù)的挑戰(zhàn)與創(chuàng)新

    隨著自動駕駛技術(shù)的飛速發(fā)展,自動駕駛測試的重要性也日益凸顯。自動駕駛測試不僅需要驗證車輛的感知、決策、控制模塊的獨立性能,還需確保系統(tǒng)在復(fù)雜場景中運行的整體可靠性。然而,
    的頭像 發(fā)表于 12-03 15:56 ?1109次閱讀
    一文聊聊<b class='flag-5'>自動駕駛</b>測試技術(shù)的挑戰(zhàn)與創(chuàng)新

    標貝科技:自動駕駛中的數(shù)據(jù)標注類別分享

    自動駕駛訓(xùn)練模型的成熟和穩(wěn)定離不開感知技術(shù)的成熟和穩(wěn)定,訓(xùn)練自動駕駛感知模型需要使用大量準確真實的數(shù)據(jù)。據(jù)英特爾計算,L3+級自動駕駛每輛汽
    的頭像 發(fā)表于 11-22 15:07 ?2427次閱讀
    標貝科技:<b class='flag-5'>自動駕駛</b>中的數(shù)據(jù)標注類別分享

    標貝科技:自動駕駛中的數(shù)據(jù)標注類別分享

    自動駕駛訓(xùn)練模型的成熟和穩(wěn)定離不開感知技術(shù)的成熟和穩(wěn)定,訓(xùn)練自動駕駛感知模型需要使用大量準確真實的數(shù)據(jù)。據(jù)英特爾計算,L3+級自動駕駛每輛汽
    的頭像 發(fā)表于 11-22 14:58 ?4826次閱讀
    標貝科技:<b class='flag-5'>自動駕駛</b>中的數(shù)據(jù)標注類別分享

    自動駕駛中一直說的BEV+Transformer到底是個啥?

    感知、理解和預(yù)測方面表現(xiàn)得更為強大,徹底終結(jié)了2D直視圖+CNN時代。BEV+Transformer通過鳥瞰視角與Transformer模型的結(jié)合,顯著提升了自動駕駛
    的頭像 發(fā)表于 11-07 11:19 ?1862次閱讀
    <b class='flag-5'>自動駕駛</b>中一直說的<b class='flag-5'>BEV</b>+Transformer到底是個啥?