2024年11月28日自动驾驶前沿论文推送！-优快云博客

点击下方卡片，关注“自动驾驶之心”公众号

戳我-> 领取自动驾驶近15个方向学习路线

本文均出自『自动驾驶之心知识星球』，自动驾驶最前沿每日更新！

LOcc：一个有效且具有良好泛化能力的开放词汇占用（OVO）预测框架

可以生成更准确的伪标签真值，从而减少了劳动密集型的人工标注。Occ3D-nuScenes数据集上的表现 consistently 超过了当前最先进的零样本占用预测方法。

题目：Language Driven Occupancy Prediction
作者单位：浙江大学，菜鸟
开源地址：https://github.com/pkqbajng/LOcc

基于深度学习的单目视觉车道检测研究综述

对现有方法进行了全面概述，涵盖了逐渐成熟的2D车道检测方法和正在发展的3D车道检测方法。还介绍了一些车道检测的扩展工作，包括多任务感知、视频车道检测、在线高精（HD）地图构建和车道拓扑推理，以为读者提供车道检测演进的全面路线图。

题目：Monocular Lane Detection Based on Deep Learning: A Survey
作者单位：中科院大学，西安交大，鹏城实验室等
开源地址：https://github.com/Core9724/Awesome-Lane-Detection

自动驾驶软硬一体演进趋势研究报告

尽管软硬一体已经成了行业内很多领先玩家的重要战略，但是目前仍没有对软硬一体给出有效的定义，本报告尝试给出一个对于软硬一体讨论范畴的定义。

基于激光雷达的车辆基础设施端到端时间感知

LET-VIC通过利用车与一切（V2X）通信，融合车辆和基础设施传感器的空间和时间数据，增强了时间感知能力。在V2X-Seq-SPD数据集上的实验结果表明，LET-VIC显著优于基准模型，在不考虑通信延迟的情况下，mAP提高了至少13.7%，AMOTA提高了13.1%。

题目：LiDAR-based End-to-end Temporal Perception for Vehicle-Infrastructure Cooperation
作者单位：北京科技大学，清华大学，香港大学

开始超越传统LiDAR? MSSF: 用于自动驾驶中3D目标检测的4D雷达和相机融合框架

与现有最先进的方法相比，MSSF在VoD和TJ4DRadSet数据集上分别实现了7.0%和4.0%的3D平均精度提升，甚至在VoD数据集上超过了传统的LiDAR方法。

题目：MSSF: A 4D Radar and Camera Fusion Framework With Multi-Stage Sampling for 3D Object Detection in Autonomous Driving
作者单位：中国科学技术大学

去噪步骤上减少10倍！DiffusionDrive：面向端到端自动驾驶的截断扩散模型

在仅需2步的情况下就能够提供更优质和多样的结果。在以规划为导向的NAVSIM数据集上，结合ResNet-34骨干网络，DiffusionDrive在没有任何额外优化的情况下达到了88.1的PDMS，创下了新纪录！

题目：DiffusionDrive: Truncated Diffusion Model for End-to-End Autonomous Driving
作者单位：华中科技大学，地平线
开源地址：https://github.com/hustvl/DiffusionDrive