面向自动驾驶的基于视觉的环境感知
计算机视觉与模式识别
2022-12-23 v1
摘要
视觉感知在自动驾驶中起着重要作用。主要任务之一是目标检测与识别。由于视觉传感器富含颜色与纹理信息，其能够快速准确地识别各类道路信息。常用技术基于图像各种特征的提取与计算。近期基于深度学习的方法具有更好的可靠性与处理速度，在识别复杂要素方面具有更大优势。对于深度估计，视觉传感器也因其体积小、成本低而被用于测距。单目相机以单一视点的图像数据作为输入来估计目标深度。相比之下，立体视觉基于视差与不同视图的匹配特征点，而深度学习的应用也进一步提高了精度。此外，同步定位与建图（SLAM）可建立道路环境模型，从而帮助车辆感知周围环境并完成任务。本文中，我们介绍并比较了目标检测与识别的多种方法，进而阐释深度估计的发展并基于单目、立体与 RDBG 传感器比较各类方法，接着回顾并比较 SLAM 的多种方法，最后总结当前问题并给出视觉技术的未来发展趋势。
引用
@article{arxiv.2212.11453,
title = {Vision-Based Environmental Perception for Autonomous Driving},
author = {Fei Liu and Zihao Lu and Xianke Lin},
journal= {arXiv preprint arXiv:2212.11453},
year = {2022}
}
备注
39 pages, 17 figures