基于深度学习的环境感知中不确定性的量化

在这项工作中，我们引入了一种新颖的基于深度学习的方法，基于雷达扫描感知车辆环境，同时考虑其预测中的不确定性。主车环境被分割为大小相等的网格单元并逐一分类。除分割输出外，我们基于深度学习的算法能够区分其预测中的不确定性，将其归因为不充分的模型（认知不确定性）或噪声数据（偶然不确定性）。为此，权重被描述为概率分布以考虑模型参数的不确定性。分布通过梯度下降以监督方式学习。我们证明了模型输出中的不确定性与预测精度相关。与先前概念相比，我们展示了该方法在可靠感知车辆环境方面具有更优性能。