TinyCenterSpeed：面向自动驾驶赛车的高效基于中心的对象检测
机器人学
2025-04-14 v1
摘要
自动驾驶中的感知几乎等同于神经网络（NN）。然而，自动驾驶赛车领域常用规模化、计算受限的机器人以降低成本和提高安全性。因此， Opponent 检测和跟踪系统通常因计算限制而诉诸传统计算机视觉技术。本文引入 TinyCenterSpeed，这是一种对经典 CenterPoint 方法的精简化改进，针对 1:10 比例自动驾驶赛车平台进行实时性能优化。即使在仅由中央处理器（CPU）供电的车载计算机（OBC）上，也可通过引入外部张量处理单元（TPU）实现。我们证明，Compared to 自适应断点检测器（ABD），即将在规模化自动驾驶赛车中的当前最先进（SotA）方法，TinyCenterSpeed 不仅在检测和速度估计方面提升了最高可达 61.38%，还支持多目标检测和估计。它以仅 7.88 毫秒的推理时间实现实时性能，显著降低了 CPU 利用率 8.3 倍。
关键词
引用
@article{arxiv.2504.08655,
title = {TinyCenterSpeed: Efficient Center-Based Object Detection for Autonomous Racing},
author = {Neil Reichlin and Nicolas Baumann and Edoardo Ghignone and Michele Magno},
journal= {arXiv preprint arXiv:2504.08655},
year = {2025}
}