自动驾驶占用感知调研：信息融合角度

自动驾驶占用感知调研：信息融合角度

• 论文链接：https://arxiv.org/pdf/2405.05173

• 项目链接：https://github.com/HuaiyuanXu/3D-Occupancy-Perception

附赠自动驾驶最全的学习资料和量产经验：链接

摘要

本文介绍了自动驾驶占用感知调研：信息融合角度。3D占用感知技术旨在观测和理解自动驾驶汽车的稠密3D环境。由于其全面的感知能力，该技术逐渐成为自动驾驶感知系统的一种趋势，并且引起了工业界和学术界的极大关注。类似于传统的鸟瞰图（BEV）感知，3D占用感知具有多源输入的性质以及信息融合的必要性。然而，不同之处在于，它捕获了2D BEV忽略的垂直结构。本项调研概述了关于3D占用感知的最新工作，并且对具有各种输入模态的方法进行深入分析。具体而言，本文总结了通用的网络流程，重点突出了信息融合技术，并且讨论了有效的网络训练。本文在主流的数据集上评估和分析了最先进的占用感知性能。此外，还讨论了挑战和未来研究方向。本文希望，这篇调研能够推动该领域进展，激发更多关于3D占用感知的研究工作。

主要贡献

本文的主要贡献为以下三方面：

1）本文系统性地概述了自动驾驶领域中3D占用感知的最新研究，涵盖了整个研究背景，对其重要性进行全面分析，并且深入讨论了相关的技术；

2）本文提供了3D占用感知的分类，并且详细阐述了核心方法问题，包括网络流程、多源信息融合和有效的网络训练；

3）本文对3D占用感知进行评估，并且提供了详细的性能比较。此外，本文还讨论了目前的局限性和未来的研究方向。

论文图片和表格

总结

本文对近年来自动驾驶中的3D占用感知进行全面调研。本文详细概述和讨论了最先进的以激光雷达为中心、以视觉为中心和多模态感知的解决方案，并且着重介绍了该领域中的信息融合技术。为了便于进一步研究，本文对现有占用方法进行详细的性能比较。最后，本文描述了一些开放挑战，这些挑战可能会对未来几年的研究方向有所启发。本文希望，本项调研能够造福社区，支持自动驾驶的进一步发展，并且帮助不熟悉的读者进一步熟悉该领域。