7、鱼眼相机在自动驾驶中的环境感知应用

鱼眼相机在自动驾驶中的环境感知应用

1. 硬示例挖掘方法

研究人员提出了一种基于对抗学习的硬示例挖掘方法。通过对抗训练，该方法能够进一步挖掘出存在较大畸变的困难鱼眼图像。这些图像对于长尾场景具有重要意义，能显著提升深度神经网络的性能。

2. 目标检测分析

在早期实际应用中，两步法因其便捷性而受到更多关注。近年来，随着深度学习技术的发展，越来越多的工作直接在鱼眼图像上开展。不过，目前鱼眼图像检测任务的方法定制化程度过高，即使是基于深度网络的检测方法，在透视图像和鱼眼图像上也难以取得良好效果。未来，应在该领域开发最先进的可变形卷积网络结构和领域自适应方法。

3. 鱼眼相机在自动驾驶中的应用总结与展望

鱼眼相机及其在自动驾驶中的应用涵盖了投影原理、经典图像表示模型、当前数据集以及各类开发应用等方面。以下是对鱼眼相机在自动驾驶中的总结与展望：
- 深度感知 ：鱼眼图像的深度感知是一项有价值的研究任务。鉴于正常透视图像深度重建技术的成熟，可将相应技术引入鱼眼图像的深度感知中。结合全景环视监控（AVM）技术，深度感知能为智能车辆提供极大帮助，例如提供碰撞预警和自动代客泊车功能。
- 目标检测方法改进 ：当前鱼眼图像检测任务的方法定制化程度过高，基于深度网络的检测方法在透视和鱼眼图像上效果不佳。未来需开发先进的可变形卷积网络结构和领域自适应方法。
- 语义分割模型统一 ：尽管研究人员尝试用各种新的深度学习技术解决语义分割任务，但尚未建立图像特征的统一表示。未来研究中，为各种图像表示模型建立统一的语义分割模型将是令人期待的