GUIDE：用于增强自动驾驶中障碍物感知的高斯统一实例检测
机器人学
2025-11-18 v1
摘要
在自动驾驶领域，准确检测周围障碍物对于有效决策至关重要。传统方法主要依赖 3D 边界框来表示这些障碍物，往往难以捕捉不规则形状的真实对象的复杂性。为克服这些限制，我们提出 GUIDE 框架，该框架利用 3D 高斯进行实例检测和占据预测。不同于传统占据预测方法，GUIDE 还提供了稳健的跟踪功能。我们的框架采用稀疏表示策略，使用高斯到体素的投射 (Gaussian-to-Voxel Splatting) 提供细粒度的、无计算需求的稠密体素网格的实例级占据数据。在 nuScenes 数据集上的实验验证表明，GUIDE 的性能表现突出，实例占据 mAP 为 21.61，相较于现有方法提升了 50%，并在跟踪方面表现出竞争力。GUIDE 在自动感知系统中树立了新基准，有效地将精度与计算效率结合起来，更好地应对真实驾驶环境的复杂性。
引用
@article{arxiv.2511.12941,
title = {GUIDE: Gaussian Unified Instance Detection for Enhanced Obstacle Perception in Autonomous Driving},
author = {Chunyong Hu and Qi Luo and Jianyun Xu and Song Wang and Qiang Li and Sheng Yang},
journal= {arXiv preprint arXiv:2511.12941},
year = {2025}
}