Autonomous Driving in Adverse Weather Conditions: A Survey

最新推荐文章于 2024-11-08 17:02:15 发布
最新推荐文章于 2024-11-08 17:02:15 发布
阅读量243 收藏
点赞数
文章标签： 自动驾驶
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ccchester/article/details/127438722
版权
激光雷达在全天候小车中展现出良好的适应性，但恶劣天气对其性能有一定影响。降雨对信号功率的影响较小，一般不会超过10%的衰减。温差和积雪对雷达的干扰各不相同，1550nm波长的反射率低于905nm，降低了雪中的目标检测效果。此外，高降水率可能导致假障碍的产生。
摘要由CSDN通过智能技术生成

在这里插入图片描述

激光雷达

在这里插入图片描述

全天候小车已经出现2021

在这里插入图片描述

恶劣天气的影响

不同制造商的激光雷达对同一件问题有不同的表现。
根据信号功率保持在90%以上的标准，降雨造成的信号功率衰减百分比是在两个小数点后两位的范围内，即使对于更严格的标准(99.5%)，信号功率衰减超过10%的情况也不太可能发生。发射器窗口润湿的影响根据水滴大小而变化，当水滴相对较小时，衰减最大约为50%，当水滴约为孔径大小的一半时，衰减最小为25%，高而不均匀的降水率极有可能形成聚集的雾块，给激光雷达制造假障碍。
温差对激光雷达的影响
2
积雪干扰的减少并不能弥补原有目标检测工作的不足更重要的是，1550nm的波在雪中的反射率比905 nm的差97%
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

CCChester
关注
专栏目录
深度学习论文: Image-Adaptive YOLO for Object Detection in Adverse Weather Conditions及其PyTorch实现
mingo_敏
12-18 7582
深度学习论文: Image-Adaptive YOLO for Object Detection in Adverse Weather Conditions及其PyTorch实现 Image-Adaptive YOLO for Object Detection in Adverse Weather Conditions PDF: https://arxiv.org/pdf/2112.08088.pdf PyTorch代码: https://github.com/shanglianlm0525/CvPytor
深度学习论文: Multi-modal Sensor Fusion for Auto Driving Perception: A Survey
mingo_敏
01-29 894
单模态数据（图像或者点云）的感知存在固有的缺陷。例如，摄像机数据主要在前视低位捕获。在更复杂的场景中，物体可能被遮挡，给目标检测和语义分割带来严峻挑战。此外，由于机械结构的限制，激光雷达在不同距离上具有不同的分辨率，并且容易受到极端天气（如雾天和大雨）的影响。尽管两种模态的数据在单独使用时在各个领域都有优秀表现，但激光雷达和摄像机的互补性使得它们的结合可以在感知方面取得更好的性能。作者对关于自动驾驶中多模态传感器融合论文进行简要综述。
Autonomous Driving in Adverse Weather Conditions: A Survey - 恶劣天气条件下的自动驾驶：一项调查 (arXiv 2021)
热门推荐
77wpa的博客
01-19 6万+
自动驾驶系统（ADS）为汽车行业开辟了一个新领域，为未来的交通运输提供了更高的效率和舒适的体验。然而，恶劣天气条件下的自动驾驶一直是阻碍自动驾驶车辆（AVs）长期达到4级或更高自主性的问题。本文以分析和统计的方式评估了天气给ADS传感器带来的影响和挑战，并调查了针对恶劣天气条件的解决方案。关于每种天气的感知增强的最新技术得到了全面报道。外部辅助解决方案，如V2X技术、当前可用数据集中的天气条件覆盖范围、模拟器和带有气象室的实验设施都得到了明确的分类。
激光雷达常见点云异常场景分析
lovely_yoshino的博客
07-15 4197
Yole在2023年8月的报告中，统计了从2018年到2022年，在全球范围内激光雷达累计定点车型。其中，以国别区分的分布如下。中国占据了全球车用激光雷达市场的79%，是最大的车用激光雷达市场。图片来源：Yole以速腾、禾赛、华为、图达通等优秀的中国公司的激光雷达产品，占据了绝大部分市场份额。禾赛和速腾刚刚发布的今年Q1的销量如下：图片来源：禾赛、速腾本文描述的很多弱势场景问题，在我们很多公司的产品中都有非常好的应对方案。
一文了解 CVPR 2022 Workshop 都要做什么
我爱计算机视觉
03-15 2684
关注公众号，发现CV技术之美1.5th MUltimodal Learning and Applications Workshop (MULA)网址：https://mula-worksh...
论文阅读＜CF-YOLO: Cross Fusion YOLO for Object Detection in Adverse Weather.....＞
yrhzmu的博客
12-25 1818
论文链接：https://arxiv.org/pdf/2309.08152.pdfhttps://arxiv.org/pdf/2206.01381.pdfhttps://arxiv.org/pdf/2309.08152.pdf代码链接：https://github.com/DiffPrompter/diff-prompter目前没有完整代码放出。 恶劣天气下的目标检测主要有以下三种解决方案：1）使用预处理(pre-processing)，例如image desnowing/deraining/
《4DenoiseNet: Adverse Weather Denoising from Adjacent Point Clouds》
CCChester的博客
10-08 1270
4DenoiseNet: Adverse Weather Denoising from Adjacent Point Clouds
Multi-Modal 3D Object Detection in Autonomous Driving a
09-25
这篇名为“Multi-Modal 3D Object Detection in Autonomous Driving: A Survey”的论文回顾了基于融合的深度学习3D检测模型，特别是利用摄像头和LiDAR数据的方法。论文首先介绍了自动驾驶汽车常用传感器的基本背景，...
Multi-Modal 3D Object Detection in Autonomous Driving a Surv
09-23
描述中的 "Multi-Modal 3D Object Detection in Autonomous Driving a Survey.zip" 提示这是一个关于该主题的压缩文件，其中包含了一篇调查报告，很可能是对近年来该领域技术发展的全面回顾和分析。这类调查报告通常...
arxiv 2023 | 4D Millimeter-Wave Radar in Autonomous Driving: A Survey
NLOS的博客
07-31 453
动机4D毫米波雷达有诸多优势：✅ 能够测量目标的距离、方位角、仰角和速度✅ 鲁棒性强问题：尽管4D毫米波雷达研究快速发展❌ 但目前还缺乏对该主题的调研总结本文目标填补这一空白促进该领域未来研究本文内容回顾4D毫米波雷达的理论背景和发展进展✅ 信号处理流程✅ 分辨率提升方法✅ 外参标定过程✅ 点云生成方法介绍 4D毫米波雷达在环境感知和定位与映射任务中的数据集和应用算法4D毫米波雷达领域的未来发展趋势本文贡献第一篇关注自动驾驶中的4D毫米波雷达的综述。
【论文学习】RAHC：一种处理五种常见天气的任意混合退化的图像修复方法
东荷新绿的博客
07-18 729
RAHC通过AdverseGAN学习隐式退化提供成对的训练数据，使用三种量身定制的设计结构，以一次性恢复任意混合恶劣天气条件(图1（d）)，具有下列特点： ①多天气退化表示的多头混合块(MHBB)：覆盖卷积和注意混合算子的多头机制可以为混合多天气学习提供多个“表示子空间”以及互补特征。 ②用于图像成分保留有限的混合条件下的重建向量辅助恢复(RVA)：在大规模自然图像上预训练的Codebook中封装的离散表示（重建向量），可以提供额外的视觉内容线索，以辅助重建真实而清晰的输出。 ③高效任意混合条件恢复
Continual All-in-One Adverse Weather Removalwith Knowledge Replay on a Unified NetworkStructure模型运行
qq_69854365的博客
04-04 750
Continual All-in-One Adverse Weather Removalwith Knowledge Replay on a Unified NetworkStructure模型运行，解决去云去雨去雪去雾问题
世界模型和DriveGPT这类大模型到底能给自动驾驶带来什么？
CV_Autobot的博客
10-30 231
点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取今天自动驾驶之心为大家分享大模型与自动驾驶结合的相关工作，9篇论文全面汇总！如果您有相关工作需要分享，请在文末联系我们！>>点击进入→自动驾驶之心【大模型】技术交流群大模型今年爆火，很多领域上的应用如雨后春笋般涌现，很多优秀的工作出现，主要集中在数据生成和场景分析表述两部分，重点解决自动驾驶的长尾分布问题和场景识别。今天...
WEDGE：通过生成视觉语言大模型DAALL-E构建的自动驾驶多种天气数据集
yorkhunter的博客
06-23 536
23年5月主要来自CMU团队的论文“WEDGE: A multi-weather autonomous driving dataset built from generative vision-language models“。
ICRA 2021自动驾驶相关论文汇总
weixin_55366265的博客
06-30 2229
本文来源：智车科技、知乎导读ICRA（International Conference on Robotics and Automation）是IEEE机器人与自动化学会的旗舰会议。IC...
鉴源实验室·如何通过雷达攻击自动驾驶汽车-针对点云识别模型的对抗性攻击的科普
TICPSH的博客
11-05 633
01 引 言 随着自动驾驶技术的迅速发展，雷达和激光雷达等传感器在自动驾驶汽车中的作用愈发重要。它们能够生成3D点云数据，帮助车辆实时感知周围环境并做出安全决策。然而，尽管这些传感器对驾驶环境的检测非常精确，它们也面临一种新兴的威胁——对抗性攻击。 对抗性攻击是一种通过微小但精心设计的扰动，旨在欺骗机器学习模型的攻击方式。对于自动驾驶系统而言，这意味着通过对传感器输入的数据进行极小的修改，攻击者可以导致自动驾驶汽车对其周围环境作出错误的判断。例如，在点云识别模型中，攻击者可以通过扰动点云中的数据，使得
MAN TruckScenes数据集：第一个用于自动驾驶卡车的大规模多模式数据集。
u011559552的博客
11-08 597
2024-07-15,为了推进自动驾驶卡车技术的发展并确保其在公共道路上的安全性，由慕尼黑工业大学和MAN Truck & Bus SE联合创建了MAN TruckScenes数据集。数据集首次为研究社区提供了一个包含丰富环境条件下的卡车特定挑战，如拖车遮挡、新型传感器视角和终点站环境的多模态数据集，具有里程碑式的意义。
自动驾驶中，2d图像目标检测（分割），融合激光雷达点云信息
最新发布
DeepCBW的博客
11-08 166
使用mask还是使用box因为纵向的长度（虽然在二维画面上看起来像素点距离很近，但实际每个点到相机的距离不一样，有的点会很远或者很近，所以进行聚类大致思路如上，先看坐标系转换；
基于双区间熵重映射的图像对比度增强方法研究
11-08
内容概要：该论文介绍了一种基于双区间熵重映射的图像对比度增强方法。文中详细解释了方法的数学原理及其在图像处理中的应用，特别是如何有效地提高低对比度图像的对比度，同时对高对比度图像的变换则相对平滑。实验证明该方法不仅提高了图像的视觉效果，还能结合Gabor滤波器进一步提升增强效果。 适合人群：从事图像处理和计算机视觉领域的研究人员和技术人员，以及对图像对比度增强技术感兴趣的学术界人士。 使用场景及目标：适用于需要提高数字图像对比度的各种应用场景，尤其是在图像处理和计算机视觉任务中。目的是提高图像质量，更好地识别和分析图像内容。 其他说明：该方法不仅在对比度增强方面表现优异，还在保持图像原有细节和减少噪声方面显示出优势。通过对多种经典测试图像的评估，证明了其优越性和普适性。
3D Reconstruction for Autonomous Driving: A Survey
04-17
3D reconstruction for autonomous driving generally refers to the process of creating a 3D model of the environment around a self-driving vehicle using a set of sensors such as LiDAR, cameras, and ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值