自动驾驶中的3D目标检测综述：技术进展与未来方向
计算机视觉与模式识别
2024-08-30 v1
摘要
近年来，3D 目标感知已成为自动驾驶系统中关键组件，提供必要的环境感知能力。然而，随着自动驾驶中的感知任务不断演变，其变体也日益增多，导致来自行业和学术界的见解呈现出多样化。目前缺乏从更广泛角度收集和总结这些感知任务及其发展的综合性综述。本综述系统总结了传统3D目标检测方法，重点关注基于摄像头、基于LiDAR和融合检测技术。我们对每种方法的优势与局限性进行全面分析，突出在准确性和鲁健性方面的突破。进一步讨论了未来发展方向，包括提高准确性的方法，如时序感知、占据网格和端到端学习框架。我们还探索了扩展感知范围通过协作通信的协作感知方法。通过提供对当前状态及未来发展的全面视角，旨在为自动驾驶的感知任务提供更全面的理解。此外，我们已建立一个活跃的代码仓库持续更新本领域的最新进展，地址为：https://github.com/Fishsoup0/Autonomous-Driving-Perception。
引用
@article{arxiv.2408.16530,
title = {A Comprehensive Review of 3D Object Detection in Autonomous Driving: Technological Advances and Future Directions},
author = {Yu Wang and Shaohua Wang and Yicheng Li and Mingchun Liu},
journal= {arXiv preprint arXiv:2408.16530},
year = {2024}
}