论文阅读
文章平均质量分 95
莫克_Cheney
计算机视觉硕士,高级图像算法工程师,长期从事图像算法研发工作,擅长传统视觉算法,工作领域:自动驾驶。
展开
-
【freespace】HybridNets: End-to-End Perception Network
嵌入式系统的计算能力和神经网络的性能的最新进展,使自动驾驶成为计算机视觉中的一个活跃领域。理想情况下,要创造一辆能够自动驾驶的汽车,就是给它提供其周围环境中可用的每一点信息。然而,与传统思维不同的是,激光雷达和雷达并不需要为智能车辆创建一个准确的感知场。不时有研究表明,这类车辆只需借助a的辅助,就能做出相对较好的驾驶决策单摄像头安装在前方。普遍的共识是,引导智能车辆最关键的三个任务是:交通目标检测、可驾驶区域分割、车道线分割。原创 2023-08-03 11:10:41 · 855 阅读 · 0 评论 -
【freespace】TwinLiteNet: An Efficient and Lightweight Model for Driveable Area and Lane Segmentation
语义分割是自动驾驶中理解周围环境的常见任务。可驾驶区域分割和车道线检测对于安全高效的道路导航尤为重要。然而,原始的语义分割模型计算成本高,需要高端硬件,这在自动驾驶汽车的嵌入式系统中是不可行的。提出一种可驾驶区域和车道线分割的轻量化模型。TwinLiteNet的设计成本较低,但能获得准确高效的分割结果。在BDD100K数据集上评估了TwinLiteNet,并将其与现代模型进行了比较。实验结果表明,TwinLiteNet的性能与现有方法类似,所需的计算资源明显减少。原创 2023-08-02 16:53:49 · 706 阅读 · 0 评论 -
【freespace】YOLOP: You Only Look Once for Panoptic Driving Perception论文解读
最近,对自动驾驶的广泛研究揭示了全景驾驶感知系统的重要性。它在自动驾驶中发挥着重要作用可以从摄像头并协助决策系统控制行动车辆的。为了限制车辆的操纵,视觉感知系统应该能够理解然后向决策系统提供信息,包括:障碍物的位置、道路是否可行驶、车道的位置等。目标检测通常涉及全景驾驶帮助车辆避开障碍物的感知系统遵守交通规则。还需要可行驶区域分割和车道检测,因为它们对规划车辆行驶路线。对于这样的全景驾驶感知系统,高精度和实时性是最关键的两个要求,关系到自动驾驶汽车能否做出准确及时的决策,保证安全。原创 2023-08-02 11:29:38 · 390 阅读 · 0 评论