一文读懂自动驾驶数据闭环

2021-09-21 18:17:01· 来源：智驾最前沿

2）地图定位：车辆定位中基于语义地图的方法，在语义目标提取也是采用深度学习模型，甚至语义地图的制作也是如此，目前感兴趣的地图更新（或者在线地图）多半需要检测语义目标。定位的后端也可以是数据驱动的解决，包括全局定位和相对定位，最近SLAM和深度学习的结合工作也如火如荼进行。

“LCDNet: Deep Loop Closure Detection andPoint Cloud Registration for LiDAR SLAM”

“DeepSFM: Structure From Motion Via DeepBundle Adjustment”

“HDMapNet: An online HD Map Construction and evaluation framework”

3）预测：障碍物的轨迹预测现在已经是自动驾驶发展至今的重点之一，现在重要性可以说是高于感知。如何建模智体行为、如何建模智体之间的交互和轨迹预测的动作多模态性，自然最佳方式是采用数据来训练。另外，感知-预测结合解决也是需要大量数据训练去得到合理的模型。

“Learning Lane Graph Representations for Motion Forecasting”

“PnPNet: End-to-End Perception and Prediction with Tracking in the Loop”

“Deep Multi-Task Learning for Joint Localization, Perception, and Prediction”

“TNT: Target-driven Trajectory Prediction”

分享到：

点赞 0 反对 0 举报 0 收藏 0 评论 0

0 条相关评论

• 浅谈汽车制动性能与技术状况对交通安全的影响	• 如何正确模拟不同类型的流体流动
• 细数国内外800V电驱动产品和技术	• 重磅！本田全球首次公开第三代燃料电池系统！加快燃料电池
• SGDet3D：基于4D雷达和相机的语义和几何信息融合的3D目标	• 自动驾驶端到端模型：技术演进、应用实践与未来展望
• 基于EHT等效温度的夏季乘员舱热舒适性研究	• 高集成测试成主流？详解IT2800系列源表在光模块测试中的六
• 传感器仿真模型的可信度评估方案	• DeepSeek技术优势及汽车智能化应用

编辑推荐