基于深度学习的3D物体检测方法的调查,用于在不同的传感器模式中实现自动驾驶
Miguel Valverde1, Alexandra Moutinho2, João-Vitor Zacchi3
1Instituto Superior Técnico, Universidade de Lisboa, 1049-001 Lisbon, Portugal.
Sensors (Basel, Switzerland)
|September 13, 2025
概括
这项调查审查了用于自动驾驶3D物体检测的深度学习方法,分析了像LiDAR和摄像头这样的传感器输入. 它为推进自动驾驶技术提供了结构化的概述和定量比较.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 机器人技术 机器人技术 机器人技术
背景情况:
- 自动驾驶系统依赖于精确的3D物体检测.
- 深度学习已经成为这项任务的主导方法.
- 采用各种传感器模式 (摄像头,激光雷达,雷达),每个都有自己的优缺点.
研究的目的:
- 为自动驾驶提供基于深度学习的3D物体检测方法的全面调查.
- 根据输入传感器方式,系统地对这些方法进行分类.
- 分析不同方法的时间演变和定量性能.
主要方法:
- 一个结构化的分类系统,根据输入方式分类方法 (单眼,立体,LiDAR,雷达,融合).
- 对建筑发展和范式转变的时间分析.
- 在基准数据集上使用标准指标对调查方法进行定量比较.
主要成果:
- 对于3D对象检测的深度学习当前最先进的现状的模态不可知概述.
- 识别不同传感器输入中的关键趋势和性能基准.
- 一个公开可用的 GitHub 存储库,包含调查结果.
结论:
- 在自动驾驶中用于3D对象检测的深度学习方法是多样化的,并且正在迅速发展.
- 传感器模式在方法设计和性能中起着至关重要的作用.
- 这项调查为该领域的研究人员和开发人员提供了宝贵的资源.
