探索自动驾驶感知系统的可信度评分度量

自动驾驶和半自动驾驶车辆的感知算法可能遇到目标检测错误的情况，例如道路上物体的误分类，这可能导致安全违规并潜在致命后果。尽管在目标检测算法的鲁棒性和在线度量学习方面已有大量工作，但关于基准化评分度量以确定潜在误分类可能指标的研究很少。重点在于探索将这些评分度量在线上采用的可能性，以使自动驾驶车辆能在实时约束下做出基于感知的决策。在本工作中，我们探索哪些（如果有）度量可作为感知算法和目标检测器失效时的在线指标。我们的工作为更好地设计在线度量以准确评估目标检测器可信度的原则和特性提供了见解。我们的方法对图像采用非对抗性和真实扰动，并在此上评估各种量化度量。我们发现离线度量可被设计以考虑真实世界损坏（如恶劣天气条件），且对此类度量的分析可为设计在线度量提供过渡。这是明确的下一步，因其可实现无误差自动驾驶车辆感知及更安全的时间关键和安全关键决策。