MT53-CSDN博客

原创 “基于生成式对抗网络（GAN）的自动驾驶容错感知研究”论文

图像感知模块的输入是一个超高维的状态空间，本论文通过新的图像生成网络完成图像状态空间的转移并生成动态后的图像，同时将经过预测的图像作为当前有问题图像的先验和补充，或者作为端对端强化学习框架中的输入，实现了感知层面的容错和前馈。在这其中，自动驾驶的视觉感知是一个视频预测问题，视频预测的输入是过去时间序列的若干帧图像，预测的输出是未来若干帧图像。传感器数据融合：将多个感知模块（如摄像头、雷达、激光雷达）的数据进行融合，综合利用不同感知模块的信息，提高感知结果的准确性和鲁棒性。

2023-06-20 11:03:41 236

原创 “基于自注意力生成对抗网络的人物姿态迁移技术”论文阅读

在选择以卷积神经网络作为输入预处理模块的基础上，该模型的判别器使用了两个融合自注意力机制卷积神经网络的判别器，分别是外观判别器（Appearance discriminator）和形状判别器（Shape discriminator），分别负责判断Pg在Pc中包含的人物相同的可能性，以及Pg与目标姿态的一致性。该模型的生成器的核心部分是姿态注意迁移网络（PATN），它的主要目标是将一个人的姿态从一个图像中迁移到另一个图像中，实现姿态的转移。生成对抗网络模型的结构如下图所示。生成器结构如下图所示。

2023-06-15 12:43:04 232 4

原创论文 “V2X-ViT: Vehicle-to-Everything Cooperative Perception with Vision Transformer” 解读

本文作者构建了V2X-ViT注意力模型，该模型有效融合车辆和基础设施之间的信息。V2X-ViT模型由交替的异构多智能体自注意层和多尺度窗口自注意层组成，捕获智能体间交互和每个智能体的空间关系。这些关键模块设计在统一的 Transformer 架构中，以应对常见的 V2X 挑战，包括异步信息共享、姿势错误和 V2X 组件的异构性。为了验证此模型的效应，作者使用 CARLA 和 OpenCDA 创建了一个大规模的 V2X 感知数据集对模型进行测试。

2023-06-01 15:51:36 1012

原创论文“V2XP-ASG: Generating Adversarial Scenes for Vehicle-to-Everything Perception”解读

V2XP-ASG是作者构建的一种针对基于LiDAR的V2X感知系统的开放式对抗场景生成框架。本文主要讲述了V2XP-ASG，这是第一个针对V2X感知系统的对抗场景生成框架。作者介绍了V2X的研究背景，提出了V2XP-ASG框架的设计和实现方法，说明了如何使用该框架生成具有挑战性的场景以提高感知系统的性能，并通过实验验证了其有效性。通过这种方式，V2XP-ASG可以自动生成具有挑战性和多样性的场景，以帮助V2X感知系统更好地适应各种复杂环境，并提高其性能表现。

2023-04-30 10:08:21 244

原创论文 “OPV2V: An Open Benchmark Dataset and Fusion Pipeline for Perception.......” 解读

在协同感知中，其他车辆能够提供被遮挡物体的信息，以显著提高汽车云点的密度。右图为各边界框大小与汽车3D云点概率密度分布的关系图，左图为地面实况边界框内相对于自车辆径向的距离与汽车点3D云点数量的关系，包含单车感知与协同感知两种情况。PIXOL算法是一种点云的实时3D检测的方法，利用鸟瞰图（BEV）来避免点云的大量数据造成的高计算成本，其one-step检测器进行目标的3D检测。在协同感知中，根据其他车辆传输的信息，主体车辆能够有效感知被遮挡的物体以做出提前判断。

2023-04-19 21:29:50 371 2

原创车端感知与路端感知

车端感知是指汽车通过安装在车辆上的传感器、摄像头和雷达等设备，来感知周围环境和其他车辆、行人等障碍物。其主要感知对象有静动态目标（路、房屋、树木等建筑设施）和动态目标（汽车、行人等交􏰦参与者）。

2023-04-17 11:48:18 404

原创边缘计算笔记

输出层：两个输出层，一个输出概率分布，P=0表示系统将任务分给本地计算机的概率，p=1表示系统将计算任务卸载至边缘服务器的概率，激活函数为Softmax；依据概率分布，可以根据p=0与p=1的值，获得将计算任务分于本地计算机和卸载至边缘服务器的概率，并得出该动作策略下的优化系统动作。的方式来学习如何做出最佳决策。该神经网络的输入是用来表征当前系统状态的系统变量，输出是概率分布和网络评价结果。1.在一定的时间步长内，智能体不断地用当前的动作策略，选择相应的系统动作，在系统环境中得到对此动作策略收益的估计;

2023-04-13 20:02:21 241

原创协同感知笔记

协同感知（collaborative perception）是指通过将多个传感器之间相互协作，并将传感器收集到的数据处理与整合，以产生更准确、更完整的感知结果的一种技术。传感器可以是物理传感器、虚拟传感器，或移动设备。协同感知利用的是分布式感知的实现形式，解决了单体感知中，远距离遮挡和稀疏数据两个主要问题。协同感知通常涉及的算法和技术有：数据处理、分布式计算、和人工智能等。这些技术可以帮助智能体用传感器捕捉数据，并从数据中提取有用信息和知识，以完成相应的任务。

2023-04-11 20:09:30 1576 1

原创分布式系统架构笔记

在一个分布式系统中，需要考虑如何将不同计算机节点之间的代码和数据进行组织，如何处理分布式环境下的通信和同步问题，以及如何保证系统的可伸缩性、容错性和可维护性等方面。因此，选择适合的软件架构可以有助于解决这些问题，并显著提高分布式系统的可靠性和性能。

2023-04-10 21:10:30 142

weixin_46941670的博客