論文の概要: Grid-Centric Traffic Scenario Perception for Autonomous Driving: A
Comprehensive Review
- arxiv url: http://arxiv.org/abs/2303.01212v1
- Date: Thu, 2 Mar 2023 12:52:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-03 14:38:46.767472
- Title: Grid-Centric Traffic Scenario Perception for Autonomous Driving: A
Comprehensive Review
- Title(参考訳): グリッド中心交通シナリオによる自動運転の認識:総合的レビュー
- Authors: Yining Shi, Kun Jiang, Jiusi Li, Junze Wen, Zelin Qian, Mengmeng Yang,
Ke Wang, Diange Yang
- Abstract要約: グリッド中心の知覚は、自律運転におけるオブジェクト中心の認識よりも一般的ではない。
グリッド中心の知覚の複雑さと計算コストは高い。
ディープラーニング技術とハードウェアは、グリッド中心の知覚の進化に新たな洞察を与える。
- 参考スコア(独自算出の注目度): 5.649567610290248
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Grid-centric perception is a crucial field for mobile robot perception and
navigation. Nonetheless, grid-centric perception is less prevalent than
object-centric perception for autonomous driving as autonomous vehicles need to
accurately perceive highly dynamic, large-scale outdoor traffic scenarios and
the complexity and computational costs of grid-centric perception are high. The
rapid development of deep learning techniques and hardware gives fresh insights
into the evolution of grid-centric perception and enables the deployment of
many real-time algorithms. Current industrial and academic research
demonstrates the great advantages of grid-centric perception, such as
comprehensive fine-grained environmental representation, greater robustness to
occlusion, more efficient sensor fusion, and safer planning policies. Given the
lack of current surveys for this rapidly expanding field, we present a
hierarchically-structured review of grid-centric perception for autonomous
vehicles. We organize previous and current knowledge of occupancy grid
techniques and provide a systematic in-depth analysis of algorithms in terms of
three aspects: feature representation, data utility, and applications in
autonomous driving systems. Lastly, we present a summary of the current
research trend and provide some probable future outlooks.
- Abstract(参考訳): グリッド中心の知覚は、移動ロボットの知覚とナビゲーションにとって重要な分野である。
それでも、自動運転車は高度にダイナミックで大規模な屋外交通シナリオを正確に認識しなければならず、グリッド中心の知覚の複雑さと計算コストが高いため、グリッド中心の認識は、自動運転のオブジェクト中心の認識よりも一般的ではない。
ディープラーニング技術とハードウェアの急速な発展は、グリッド中心の知覚の進化に関する新たな洞察を与え、多くのリアルタイムアルゴリズムの展開を可能にする。
現在の産業・学術研究は、網羅的な環境表現、閉塞に対する強い堅牢性、より効率的なセンサー融合、より安全な計画方針など、グリッド中心の認識の大きな利点を示している。
この急速に拡大する分野に対する現在の調査が欠如していることを踏まえて,自律走行車に対するグリッド中心の認識を階層的に概観する。
筆者らは,従来および現在の占有グリッド技術に関する知識を整理し,自律運転システムにおける特徴表現,データユーティリティ,応用の3点の観点から,アルゴリズムの体系的奥行き分析を行う。
最後に,現在の研究動向を概説するとともに,今後の展望について述べる。
関連論文リスト
- 3D Object Visibility Prediction in Autonomous Driving [6.802572869909114]
本稿では,新しい属性とその対応するアルゴリズムである3Dオブジェクトの可視性について述べる。
この属性の提案とその計算戦略は、下流タスクの能力を拡大することを目的としている。
論文 参考訳(メタデータ) (2024-03-06T13:07:42Z) - Open-sourced Data Ecosystem in Autonomous Driving: the Present and
Future [131.69699438604533]
このレビューは、70以上のオープンソースの自動運転データセットを体系的に評価する。
高品質なデータセットの作成の基礎となる原則など、さまざまな側面に関する洞察を提供する。
また、解決を保障する科学的、技術的課題も検討している。
論文 参考訳(メタデータ) (2023-12-06T10:46:53Z) - Rethinking Integration of Prediction and Planning in Deep Learning-Based
Automated Driving Systems: A Review [62.997667081978825]
最近の研究は、安全で効率的で快適な運転を実現するためには、相互依存のジョイントステップにおける予測と計画の統合が必要であることを示唆している。
我々は、最先端のディープラーニングベースの予測、計画、統合予測と計画モデルについて体系的にレビューする。
論文 参考訳(メタデータ) (2023-08-10T17:53:03Z) - Implicit Occupancy Flow Fields for Perception and Prediction in
Self-Driving [68.95178518732965]
自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。
既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。
これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
論文 参考訳(メタデータ) (2023-08-02T23:39:24Z) - Recent Advancements in End-to-End Autonomous Driving using Deep
Learning: A Survey [9.385936248154987]
エンド・ツー・エンドの運転は、モジュラーシステムに関連する欠点を回避するため、有望なパラダイムである。
エンド・ツー・エンド自動運転の最近の進歩は分析され、基礎原理に基づいて研究が分類される。
本稿では,最先端の評価,課題の特定,今後の可能性を探る。
論文 参考訳(メタデータ) (2023-07-10T07:00:06Z) - End-to-end Autonomous Driving: Challenges and Frontiers [46.05011954549315]
自動運転コミュニティは、エンドツーエンドのアルゴリズムフレームワークを採用するアプローチの急速な成長を目撃している。
エンドツーエンドの自動運転におけるモチベーション、ロードマップ、方法論、課題、今後のトレンドについて、250以上の論文を包括的に分析する。
論文 参考訳(メタデータ) (2023-06-29T14:17:24Z) - Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts,
Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。
両センサと融合に関する概念と特徴を提示する。
本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文 参考訳(メタデータ) (2023-03-08T00:48:32Z) - Visual Perception System for Autonomous Driving [9.659835301514288]
本研究は、走行物体の軌跡追跡と予測を統合して衝突を防止する、自律走行のための視覚的認識システムを導入する。
このシステムは歩行者の動きの手がかりを利用して、その動きを監視し、予測し、同時に環境をマッピングする。
このアプローチの性能、効率、レジリエンスは、シミュレーションと実世界の両方のデータセットの包括的な評価によって実証される。
論文 参考訳(メタデータ) (2023-03-03T23:12:43Z) - Exploring Contextual Representation and Multi-Modality for End-to-End
Autonomous Driving [58.879758550901364]
最近の知覚システムは、センサー融合による空間理解を高めるが、しばしば完全な環境コンテキストを欠いている。
我々は,3台のカメラを統合し,人間の視野をエミュレートするフレームワークを導入し,トップダウンのバードアイビューセマンティックデータと組み合わせて文脈表現を強化する。
提案手法は, オープンループ設定において0.67mの変位誤差を達成し, nuScenesデータセットでは6.9%の精度で現在の手法を上回っている。
論文 参考訳(メタデータ) (2022-10-13T05:56:20Z) - End-to-end Autonomous Driving Perception with Sequential Latent
Representation Learning [34.61415516112297]
エンドツーエンドのアプローチでは、システムをクリーンアップし、人間のエンジニアリングの膨大な努力を避けることができる。
潜在空間は、知覚に有用なすべての関連する特徴を捉えるために導入され、逐次潜在表現学習を通じて学習される。
学習したエンドツーエンドの知覚モデルは、最小限の人間工学的努力だけで検出、追跡、ローカライゼーション、マッピングの問題を解決することができる。
論文 参考訳(メタデータ) (2020-03-21T05:37:44Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。