-
Occupancy Network: 全面综述！Grid-Centric 感知方法在电动汽车（BEV）与多任务环境中的应用
摘要 网格中心感知是移动机器人感知和导航的关键领域。尽管如此，在自动驾驶中，网格中心感知不如目标中心感知更为普遍，因为自动驾驶车辆需要准确地感知高度动态、大规模的室外交通场景，并且以网格为中心的感知的复杂性和计算成本很高。深度学习技术和硬件的快速发展为Gid-Centric感知的发展提供了新的见解，并使许多实时算法得以部署。当前的工业和学术研究证明了网格中心感知的巨大优势，如全面的细粒度环境表示、…- 5
- 0
-
Radar-Camera融合在自动驾驶中的目标检测与语义分割：最新技术综述
近年来，在深度学习技术的推动下，自动驾驶中的感知技术发展迅速。为了实现准确和稳健的感知能力，自动驾驶汽车通常配备多个传感器，使传感器融合成为感知系统的关键部分。在这些融合的传感器中，Radar和Camera方案，无论照明和天气条件如何，都能对周围环境进行互补且具有成本效益的感知。本篇综述旨在为radar-camera融合提供一个全面的指导方针，特别是关注目标检测和语义分割相关的感知任务。基于雷达和…- 3
- 0
-
￥优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×