面向自动驾驶的层次化解耦式鸟瞰视角感知学习框架
计算机视觉与模式识别
2024-07-29 v2
摘要
感知是自动驾驶系统的关键环节。近期基于鸟瞰视角（BEV）和深度学习的方法取得了显著进展。然而，这些方法在感知算法开发过程中仍面临开发周期冗长、可复用性差以及复杂传感器配置等挑战。为此，本文提出一种新颖的层次化BEV感知范式，旨在构建感知模块的基础库并提供用户友好的图形界面，实现快速构建定制化模型。我们采用预训练-微调策略有效利用大规模公开数据集， streamlining 开发流程。此外，我们提出一种多模块学习（MML）方法，通过多个模型的协同迭代训练来提升性能。大量实验结果表明，在Nuscenes数据集上，我们的方法相较于传统训练方案取得了显著提升。
引用
@article{arxiv.2407.12491,
title = {Hierarchical and Decoupled BEV Perception Learning Framework for Autonomous Driving},
author = {Yuqi Dai and Jian Sun and Shengbo Eben Li and Qing Xu and Jianqiang Wang and Lei He and Keqiang Li},
journal= {arXiv preprint arXiv:2407.12491},
year = {2024}
}