面向自动驾驶的占据感知综述：信息融合视角
计算机视觉与模式识别
2024-09-17 v3 人工智能
机器人学
摘要
3D 占据感知技术旨在为自动驾驶车辆观测和理解密集的 3D 环境。凭借其全面的感知能力，该技术正成为自动驾驶感知系统的发展趋势，并引起了工业界和学术界的极大关注。与传统鸟瞰图（BEV）感知类似，3D 占据感知具有多源输入的特性和信息融合的必要性。然而，不同之处在于它能够捕捉被 2D BEV 所忽略的垂直结构。在本综述中，我们回顾了 3D 占据感知的最新工作，并对各种输入模态的方法进行了深入分析。具体而言，我们总结了通用网络流程，重点介绍了信息融合技术，并讨论了有效的网络训练。我们在最流行的数据集上评估并分析了 state-of-the-art 的占据感知性能。此外，还讨论了挑战和未来的研究方向。我们希望本文能启发社区，鼓励更多关于 3D 占据感知的研究工作。本综述中的一项全面研究清单可在持续收集最新工作的活跃仓库中公开获取：https://github.com/HuaiyuanXu/3D-Occupancy-Perception。
引用
@article{arxiv.2405.05173,
title = {A Survey on Occupancy Perception for Autonomous Driving: The Information Fusion Perspective},
author = {Huaiyuan Xu and Junliang Chen and Shiyu Meng and Yi Wang and Lap-Pui Chau},
journal= {arXiv preprint arXiv:2405.05173},
year = {2024}
}