- 博客(7)
- 收藏
- 关注
RSS订阅原创 视觉传感器：3D感知算法
之前的一篇文章介绍了基于视觉传感器的2D环境感知，包括2D物体检测和跟踪，2D场景语义分割。但是，对于自动驾驶应用来说，最终还是需要对3D场景进行感知。道理很简单，车辆不能靠着一张图像上得到感知结果来行驶，就算是人类司机也不能对着一张图像来开车。因为物体的距离和场景的和深度信息在2D感知结果上是体现不出来的，而这些信息才是自动驾驶系统对周围环境作出正确判断的关键。
2025-01-06 23:55:24
1182
原创 视觉传感器：2D感知算法
这篇文章里我们先介绍一下基于图像或视频的2D物体检测和跟踪，以及2D场景的语义分割。这几个任务在自动驾驶中应用的非常广泛，各种综述文章也已经非常多了，所以这里我只选择介绍一些经典的算法，以脉络和方向的梳理为主。深度学习自从2012年在图像分类任务上取得突破以来，就迅速的占领了图像感知的各个领域，所以下面的介绍也以基于深度学习的算法为主。
2024-12-18 17:36:21
1206
原创 4D成像雷达：技术方案和感知算法
毫米波雷达的优缺点都非常明显，那么有没有方案能够取长补短呢？是的，这个答案就是本文要介绍的4D成像雷达。4D成像雷达，有的时候也被叫做4D毫米波雷达，或者简称4D雷达。
2024-12-17 02:12:12
1708
原创 毫米波雷达：信号处理
毫米波雷达信号处理是一个比较复杂的过程，这篇文章的目的只是进行一个入门级的介绍，关注的也只是自动驾驶中常用的调频连续波（Frequency Modulated Continuous Wave，FMCW）雷达。只要具备基本的数字信号处理的知识，了解离散傅里叶变换，应该都可以很好的理解本文所介绍的毫米波雷达信号处理的基本原理。
2024-12-16 00:57:28
1339
原创 毫米波雷达：感知算法（二）
近些年来，随着深度学习技术在自动驾驶中的广泛应用，它在毫米波雷达感知中起到的作用也越来越大，其中一个最热门的方向就是研究如何使用底层数据（DateCube）设计端到端的毫米波雷达感知系统。在前文的基础上，这篇文章进一步总结和分析了深度学习在毫米波雷达感知中最新的应用情况。
2024-12-15 01:53:31
2444
原创 毫米波雷达：感知算法（一）
传统的雷达感知技术包含大量基于规则的算法。这些规则是研究和工程人员利用先验知识和实际数据总结出来的。人类的先验知识是有限的，可处理的数据也是有限的，因此这些规则并不完备，无法涵盖实际场景中的所有情况，而深度学习技术可以自动的从海量数据中获取知识和规则。随着数据不断累积，知识和规则的学习也就越来越完备，并超越基于人工规则的算法。因此，近些年来，学术界和工业界都都在积极的探索如何将深度学习技术用于提高雷达感知算法的性能。
2024-12-13 17:49:05
2470
原创 概述：自动驾驶中的环境感知
本专栏主要关注自动驾驶中的环境感知任务，内容包括感知技术的起源，现状以及最新的发展趋势。感知任务大多涉及算法设计，因此专栏的介绍也以算法为主线，特别是深度学习的算法。此外也会涉及一些数据采集，系统测试，算法部署以及量产感知系统的分析。
2024-12-12 18:16:59
2480
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人