自动驾驶中视觉感知的极端情况：关于检测方法的若干指导
计算机视觉与模式识别
2021-02-12 v1
摘要
自动驾驶已成为不仅活跃研究界而且主流媒体关注的主要话题。得益于深度学习技术的进展，此类智能车辆的视觉感知在过去十年中经历了巨大进步，但仍存在一些挑战。其中一项挑战是极端情况（corner cases）的检测。它们是驾驶中出现的意外且未知的情形。常规视觉感知方法往往无法检测它们，因为训练期间未见过极端情况。因此，其检测具有高度安全关键性，且检测方法可应用于大量采集数据以筛选合适的训练数据。对极端情况的可靠检测不仅将进一步自动化数据筛选流程并提升自动驾驶安全性，还能由此积极影响公众对新技术的接受度。在本工作中，我们延续先前对不同层级极端情况的系统化工作，为每一层级提供扩充的示例集。此外，我们将检测方法分组为不同类别，并将其与极端情况层级相关联。从而，我们给出展示特定极端情况的指向以及关于如何技术上检测它们的基本指导。
引用
@article{arxiv.2102.05897,
title = {Corner Cases for Visual Perception in Automated Driving: Some Guidance on Detection Approaches},
author = {Jasmin Breitenstein and Jan-Aike Termöhlen and Daniel Lipinski and Tim Fingscheidt},
journal= {arXiv preprint arXiv:2102.05897},
year = {2021}
}