Self-Supervised Pillar Motion Learning for Autonomous Driving（论文阅读）

自动驾驶自监督学习柱状移动物体

自监督学习、激光雷达、感知

一、重点内容提取

目前的未知移动物体的感知都是使用监督学习的方法进行，然而雷达簇数据的标注需要大量的人力和时间成本。本文提出了一种结合移动概率蒙版和传感器交叉驱动正则化、基于激光雷达结构一致性研究的自监督未知移动物体感知。

二、实验概括

1. 问题公式化
2. 基于雷达的结构一致性研究
   
3. 传感器交叉驱动的正则化
   
4. 概率移动蒙版
   
5. 损失函数优化
   
6. 骨干网络选取

三、实验效果

1. 实验准备
   1.1 数据集
   1.2 具体训练相关参数详解
   1.3 评价矩阵
2. 消融实验
3. 与目前最新研究做效果对比

四、收获

使用同时间相机获取的光流数据对激光雷达感知自监督学习进行修正优化，基于运动学原理删去无效运动物体、使用激光雷达与相机数据进行交叉验证提升精度。