DL in AutoDriving

吹逼的谈资(写这一类记录非常养生)

Posted by tianchen on September 26, 2019

和Auto-Drivin相关的一些信息都会归并到这个post里,因为很重要,现在又学习不进去,所以记录一下

Auto-Driving

  • Taxonomy (按照难度排序)
    • 动态物体检测
      • 难点:
        1. 测距精度要求高
        2. 遮挡。朝向问题
        3. 误操作(树/行人)(卡车/集装箱)
      • 一般是车辆和人为检测目标
      • 如果加入Tracking时候的Id切换
      • Implemention
        • 一般来说的车辆检测是需要给一个3D BBox的(3D能够给出heading信息)
        • 最好对车辆和行人都给出一个ID号(需要结合Tracking,但是如果遮挡的话Tracking很容易GG)
        • 一般都会增加一些几何约束条件来保证准确度
          • 比如确定车子的长宽比例
          • 对行人限定高度
          • 距离不能突变
        • 当不能真3D的时候也可以2.5D
          • 单目测距 - 纯依靠视觉,通过画面畸变来预估距离(有一些矩阵变换的操作)
        • 一般以视觉图像为主,最后再与激光雷达进行融合,用于精确估计朝向以及距离
    • 通行空间检测
      • 判断当前车辆运行的安全边界与可行驶区域主要检测别的车辆障碍,道路边沿
      • 很有趣的现象-当车辆颠簸的时候,相机俯仰角度变化,相机的标定参数映射到现实会导致空间边界收缩或者拓张
    • 车道线检测
      • 主要是在拐弯或者是俯仰的时候会失真
    • 静态物体检测
      • 主要难度在于小目标检测
      • Momenta在这个field有很多黑魔法一样的魔改Detection算法(比如基于Relation的)

fracs

  • v2x(vehicle to everything)车联网通信
  • 超声波雷达(倒车雷达) 3~10m
    • 对应自动泊车的应用场景

##