1. 首页
  2. 人工智能

自动驾驶中的计算机视觉技术:问题,数据集,以及 最新技术(一)

自动驾驶中的计算机视觉技术:问题,数据集,以及 最新技术

 *摘要 —-
近年来,计算机视觉、机器学习和自主车辆等人工智能相关领域取得了惊人的进展。然而,与任何快速增长的领域一样,保持该领域的最前沿或作为初学者进入该领域变得越来越困难。虽然已经有了几篇特定专题的综述论文,但是到目前为止还没有关于自主车辆计算机视觉中的问题、数据集和方法的一般性的更为广泛的综述。本文试图通过提供自动驾驶的计算机视觉方面各个主题的最新综述来缩小这一差距。我们的综述既包括历史上最相关的文献,也包括关于几个特定主题的当前最新技术,包括识别(recognition)、重建(reconstruction)、运动估计(motion estimation)、跟踪(tracking)、场景理解(scene understanding) 和端到端学习(end-to-end learning)。为了实现这个目标,我们首先提供一个分类法来对每种方法进行分类,然后分析在包括KITTI、ISPRS、MOT和 Cityscape在内的几个具有挑战性的基准测试数据集上的最新性能. 此外,我们讨论了目前尚待解决的问题和面临的挑战。为了方便访问和容纳缺少的参考资料,我们还将提供一个交互式平台,允许浏览主题和方法,并为每篇论文提供额外的信息和项目链接。自主驾驶中的计算机视觉知识图谱

0、介绍(Introduction)

自上世纪80年代首次成功示范以来,自主车辆领域取得了很大进展。然而,尽管有这些进步,我们仍然可以放心地认为,在任意复杂的环境中实现完全自主的导航还有几十年的路要走。其原因有两个:第一,在复杂动态环境中运行的自治系统需要人工智能,人工智能能够及时地概括到不可预测的情况和原因。第二,明智的决策需要准确的感知,然而大多数现有的计算机视觉系统产生错误的速率是自主导航所不能接受的。本文着重于第二个方面,我们称之为自主视觉,并研究目前用于自主车辆的感知系统的性能。 为了实现这个目标,我们首先提供问题的分类方法,并使用该分类方法对现有的数据集和技术进行分类,描述每个方法的优缺点。其次,我们分析当前最新的算法在几个流行的公开可用的基准测试数据集上的性能。特别地,我们提供了一种新的对KITTI基准的深入定性分析,它基于提交给评估服务器的方法给出了最简单和最困难的示例。在此基础上,探讨了开放研究的问题和挑战。

为了简化导航,我们还提供了一个交互式的在线工具,它使用图表可视化我们的分类法,并提供附加信息和指向项目页面的链接,并以易于访问的方式提供到项目页面的附加信息和链接。我们希望我们的综述能够成为自主视觉领域的研究者有用的工具,并且通过提供详尽的概述来降低初学者的入门障碍。
http://www.cvlibs.net/projects/autonomous_vision_survey/

还有其他一些相关的调查。Winner等人(2015)详细解释主动安全和驾驶员辅助系统,同时考虑其结构和功能。他们的重点是覆盖驾驶员辅助系统的所有方面,而关于机器视觉的章节仅覆盖自主视觉问题的最基本概念。 Klette(2015)提供了基于视觉的驾驶员辅助系统的概述。他们在高层次上描述了感知问题的大多数方面,但是没有像本文中所追求的那样提供对每个任务中的最新技术的深入回顾。补充我们的调查,朱等人。(2017)提供用于智能车辆的环境感知的概述,重点是车道检测,交通标志/灯光识别以及车辆跟踪。相比之下,我们的目标是通过提供广泛的概述和比较,包括来自所有领域的工作,来弥合机器人技术、智能车辆、摄影测量和计算机视觉社区之间的鸿沟。

1、自主驾驶的历史(History of Autonomous Driving)

1.1、Autonomous Driving Projects

1.2、Autonomous Driving Competitions

2、数据集以及基准测试(Datasets & Benchmarks)

3、相机模型与相机校准(Cameras Models & Calibration)

4、Representations

5、物体检测(Object Detection)

6、语义分割(Semantic Segmentation)

7、三维重建(Reconstruction)

8、运动与姿态估计(Motion & Pose Estimation)

9、目标跟踪 (Target Tracking)

10、场景理解 (Scene Understanding)

11、传感器运动控制的端到端学习(End-to-End Learning of Sensorimotor Control)

12、总结(Conclusion)

恭喜您,完成了MarkDown基本语法功能的学习 :v:,请收下小编胜利的果实twemoji-1f352twemoji-1f347:joy:

本文来自投稿,不代表程序员编程网立场,如若转载,请注明出处:http://www.cxybcw.com/187544.html

联系我们

13687733322

在线咨询:点击这里给我发消息

邮件:1877088071@qq.com

工作时间:周一至周五,9:30-18:30,节假日休息

QR code