这里是张聪明，正在学习中，请稍后

再一次轮到讲自己的paper！耶，宣传一下自己的工作，顺便完成中文博客的解读 方便大家讨论。

我们的改进主要是针对benchmark和实验发现的问题进行的，在原始的octomap前加入了噪音去除，地面分割，然后octomap会根据每次scan的 给整个空间的每个voxel occupancy value 也就是这个voxel被占据的概率，最后运行完所有，我们根据概率阈值进行筛选动静态。height-based 在图6的© 可以看到树木的trunk 很规律的被高度截断，还有图中的其他部分 限于篇幅没有截图所有的，还有图7© 也可以看到一小块墙壁的高度面删除。

从 [5] 中 我们得知 大多数 octree node 在OctoMap 里都是 inner leaf node [80-85%] 而在UFOMap里面 因为我们再次做了区分，所以这个值下降了71-81%，也就是说大部分节点 其实是leaf node，通过UFOMap的再次划分 即使是我们的树节点总数增加的情况下，也可以明显减少内存使用量 对比OctoMap 减少了三倍 【参考问题 ① 】是的 因为前面的是 tf=0.1 to=0.9 所以是对free和occupied都 严格;

完整题目： Dynamics-Aware Spatiotemporal Occupancy Prediction in Urban Environments代码链接：无缩写：occupancy grid map (OGM), sensor grid maps (SGMs), residual grid maps (RGMs)

代码链接：https://github.com/PRBonn/make_it_densevdbfusion同组所出，自监督的scan completion，第一幅非常直白的表明了这个工作在做的任务，虽然数据结构 数据集不一样，但是很像grid map，elevation map 2.5D那边的补全，不过这个是mesh的surface mesh输出。

主要是copy一下总结，方便自己后续找方案特定使用，所有的出处均在标题处和原链接跳转，此处仅做各个benchmark收集使用，如果有原作者觉得侵权，请联系我 将全力配合相关内容和链接删除如果网友有其他更新的结果推荐，可在评论区留言 我将继续加入；因为年年出结果 肯定会使得一些算法不再sate-of-art，可以点击目录跳转当年最新的 这样比较快。

Summary: 浩哥推荐的一篇 无人机下的建图 and planning实验Type: ICRAYear: 2021。

其他参考建议看一下本篇论文的对应reference paper处代码链接：https://github.com/PRBonn/vdbfusion整篇文章首先revisit了基础的mapping算法，然后提供了一种方法可以: building effective and efficient real-world mapping systems.与常见的SLAM和建图算法不同的是，我们并不会对要构建的环境或者传感器最远距离做出任何前提假设。主要使用OpenVDB去实现 an effective.

Type: RALYear: 2019组织/Sensor: ETH-ASL参考与前言此文档涵盖了两篇内容，从2017年IROS的voxblox到2019年RAL的voxblox++，但是主要重点在voxblox哈~and代码链接：https://github.com/ethz-asl/voxblox and https://github.com/ethz-asl/voxblox-plusplus。

occupancy但是这类fixed grid结构使得这一类方法耗memory 而且对于变化的东西 渲染也不灵活变化，本篇工作主要是 invert this paradigm and explore how semantic information can be leveraged toand，也就是如何利用语音信息进行改进 几何建模 并 实现时空上的连续性。

Status: FinishedType: RALYear: 2022论文链接：https://www.ipb.uni-bonn.de/wp-content/papercite-data/pdf/mersch2022ral.pdf代码链接：https://github.com/PRBonn/4DMOS在自动驾驶导航中 dynamics obstacle 对于轨迹规划很重要，所以如何识别动态障碍物是一个比较重要的问题现有方法：以上方法都是offline 需要时间内所有的LiDAR；其他方法也有对比两相邻帧

Last edited time: August 3, 2022 10:04 AMStatus: ReadingType: TROYear: 2021论文链接：https://ieeexplore.ieee.org/document/9302873safe motion planning对自动驾驶很重要，其中online verification 能保证自动驾驶车辆不会出现事故，但是现有的方法存在下列缺点：因聪明需要 所以总结了一下，感兴趣可看，大致了解一下无人车的规划相关工作discrete pl

Summary: leaderboard 现存第一名 TCP，非常simple的设置 取得了很好的效果论文链接：Trajectory-guided Control Prediction for End-to-end Autonomous Driving: A Simple yet Strong Baseline代码链接：https://github.com/OpenPerceptionX/TCP 作者回复预计9月开jg刷到的时候 我旁边看了一眼 这些框架图为什么这么熟… 后面仔细看才发现喔 吸取各家之长处了

完整题目：PILOT: Efficient Planning by Imitation Learning and Optimisation for Safe Autonomous DrivingSummary: 用learning做warm start，然后使用优化进行求解，对比速度上有7倍的提升

Summary: 探讨planning过程中的优化问题求解，收敛的不确定性和求解的质量研究；转为混合证书整数优化问题作为非线性的初值，然后使得非线性问题能得到较高收敛率和较高效率Type: TROYear: 2022引用量: 5论文链接：A Two-Stage Optimization-Based Motion Planner for Safe Urban Driving............

论文题目：BEVFormer: Learning Bird’s-Eye-View Representation from Multi-Camera Images via Spatiotemporal Transformers参考与前言arXiv 地址：BEVFormer: Learning Bird’s-Eye-View Representation from Multi-Camera Images via Spatiotemporal Transformersgithub代码地址（还没开，六月

ICLR 2022: Scene Transformer: A unified architecture for predicting future trajectories of multiple agentsType: ICLRYear: 2022组织: waymo参考与前言openreivewhttps://openreview.net/forum?id=Wm3EA5OlHsGpdfScene Transformer: A unified architecture for

Summary: 非常棒！端到端输出map中间态 一种建图 感知 预测 规划的通用框架Type: CVPRYear: 2021引用量: 20

Column: March 23, 2022 1:08 PMLast edited time: March 23, 2022 11:13 PMSensor/组织: 现leaderboard第一名，RC上总分94分 前无古人后无来者Status: ReadingSummary: IL; 输出 中间层 map再去学Type: CVPRYear: 2022参考与前言代码地址：https://github.com/dotchen/LAV论文地址：Learning from All Vehic

Sensor/组织: EPFL Sharif University of TechnologyStatus: FinishedSummary: 看看框架图就行。高效缓解因果混淆问题，将因果作为学习输出前一层进行判断Type: arXivYear: 2021参考与前言主页：Causal Imitative Model for Autonomous Drivingarxiv地址：Causal Imitative Model for Autonomous Drivinggithub：htt

Column: January 6, 2022 7:18 PMLast edited time: January 30, 2022 12:14 AMSensor/组织: OxfordStatus: FinishedSummary: RIP out-of-distribution，怎样考虑不确定性识别现象 做出处理Type: ICMLYear: 2020引用量: 46正在进行中 → 参考的Youtube 比论文更好懂参考与前言项目主页：Robust Imitative Plannin

开始做文献综述中...MPhil 第一年，导师方向 无人驾驶 所以就大方向早早确定中方向自己很想做： Self-Driving End-to-End 端到端的输入输出，但是和师兄聊天得知这个领域很难在现实中实现（毕竟这种无知内部的输出开车撞人了咋办） 但是还是想先闯一番，那么第一步就开始了 -> 文献综述 Literature review

Column: January 16, 2022 11:11 PMLast edited time: January 21, 2022 12:23 PMSensor/组织: 1 RGBStatus: FinishedSummary: carla leaderboard的前身，首次提出 IL BC的几点问题 及较为简单的解决办法 实验结果证明较为有效Type: ICCVYear: 2019引用量: 148参考与前言ICCV Open Source:ICCV 2019 Open Acce

Column: December 30, 2021 11:01 PMLast edited time: January 10, 2022 4:45 PMSensor/组织: 3 RGB; 曾经短暂的第一名Status: 正在套娃Summary: RL; carla leaderboardType: arXivYear: 2021参考与前言论文地址：https://arxiv.org/abs/2111.08575模块化思想有点意思，但是好像和看过的某一篇特别相似 关于先相机出seg部

文章名：CVPR2020: End-to-End Model-Free Reinforcement Learning for Urban Driving Using Implicit AffordancesColumn: December 14, 2021 11:15 AMLast edited time: December 31, 2021 6:46 PMSensor: 1 RGBStatus: FinishedSummary: RL; carla leaderboardType: CVPR

参考与前言2010年，论文 Optimal Trajectory Generation for Dynamic Street Scenarios in a Frenet Frame 地址：https://www.researchgate.net/publication/224156269_Optimal_Trajectory_Generation_for_Dynamic_Street_Scenarios_in_a_Frenet_FramePython代码示意地址：https://gitee.com/

参考与前言 resource代码：https://github.com/erdos-project/pylot论文地址：https://www.ionelgog.org/data/papers/2021-icra-pylot.pdf文档：https://pylot.readthedocs.io/en/latest/这篇是系统层面的，就是融合了已有的方法，搭建了一个开源的AV研究平台(python)，基本涵盖了整个无人驾驶的所有模块，正好拿来练一下熟悉程度1. Motivation近况：一..

参考与前言 resource代码：https://github.com/autonomousvision/transfuser作者自己的博客：https://autonomousvision.github.io/transfuser/论文地址：http://www.cvlibs.net/publications/Prakash2021CVPR.pdf博客园外链（因为那边没广告&主题比较优美 hhhh）：https://www.cnblogs.com/kin-zhang/articles/..

前言与参考论文地址：https://ieeexplore.ieee.org/document/9062306文章是2018年5月提出的，但是到了2020年才发表到ACC 所以时间轴上写的是2021年5月刊的ACC，算是近年来把凸优化来表示这个的开端（当然有更早的） 然后带起了一波热度的感觉。这篇文章自身也有 74cites了代码Julia语言：https://github.com/XiaojingGeorgeZhang/OBCA知乎的介绍：一种避障的轨迹生成方法(1) - 知乎 (zhi

引用与前言参考链接引用参考如下：博客园解释：https://www.cnblogs.com/dlutjwh/p/11158233.html 这篇博客园写的贼棒！我当时就是一边对着论文一边对着他这篇来看的，所以==大部分论文的文字也来源于此==原文论文：https://ieeexplore.ieee.org/document/580977 没有账号的话 就去sci-hub吧，这里是preprint版：colli.dvi (cmu.edu)Python代码：https://github.