自动驾驶（五十一）---------ICCV 2019之无人驾驶
ICCV和CVPR是两大顶尖国际计算机视觉会议，ICCV2019有哪些研究成果呢？ICCV每两年举行一次，今年是在韩国首尔举行，共提交了1076篇论文。下面是关于感知、规划、建图&定位、自动驾驶数据管理四大方面的论文情况总结。
1. 感知
1. Fast PointR-CNN 论文
简介：腾讯和香港大学联合发表的论文基于KITTY提出了一种新的使用激光雷达技术的快速三维检测方法。它将立体像素和点云表示合并在一个两阶段的方法中，以利用两者的优势:立体像素表示用于初始提案，点云表示用于细化阶段。
2. Range Adaptation for 3D Object Detection in LiDAR 论文
简介：沃尔沃与杜克大学联合发表的文章表示随着激光雷达输入变得更加稀疏，现有的三维检测网络的性能随着距离的增加而降低。为此，本文提出了一种基于距离的神经网络性能改进方法，以提高对远距离目标的性能。
3. M3D-RPN:Monocular 3D Region Proposal Network for Object Detection 论文
简介：密歇根州立大学的文章提出一种新的单镜头单目三维目标检测方法，极大地提高了基于KITTY数据集的技术水平。
4. VehicleDetection With Automotive Radar Using Deep Learning on Range-Azimuth-DopplerTensors 论文
简介：美国高通公司的团队探索了一种通过雷达输出探测车辆的方法。与其他方法不同的是，作者提出了处理原始传感器测量数据以提高性能。
5. JointMonocular 3D Vehicle Detection and Tracking 论文
简介：加州大学伯克利分校表示检测和跟踪任务通常在一个模块化的反病毒堆栈中相互独立建模。这项工作提出了一种端到端的神经网络，它只使用一个摄像头就能学会两者。
6. How Do NeuralNetworks See Depth in Single Images 论文
简介：荷兰代尔夫特理工大学近年来从单一图像的深度方法有显着提高。作者研究了这些方法是如何工作的，得出的结论是它们过度适合物体在图像中的垂直位置。如果摄像头安装在车上的不同位置可能会导致错误。
7. Robust Multi-Modality Multi-Object Tracking 论文
简介：南洋理工大学的多模态感知(在激光雷达和摄像头中检测和跟踪目标)通常是通过模块化的、多阶段的方法实现的，每个方法都有自己的假设。该方法允许将这些单独的步骤合并到一个端到端可训练的系统中，从而提高的性能。
2. 感知&规划
1. Exploring theLimitations of Behavior Cloning for Autonomous Driving 论文
简介：丰田研究所表示目前自动驾驶汽车(AVs)的轨迹规划仍然主要是手工工作。使用机器学习解决这个问题的方法之一是模仿现有的驱动程序。作者研究了这种方法的局限性，并提出了一个新的数据集来评估学习策略的性能。
2. TowardsLearning Multi-Agent Negotiations via Self-Play 论文
简介：苹果公司表示强化学习可能是机器人在没有人工编码的情况下学习如何行动的一种强有力的方式，但在现实的机器人技术中很难应用。在本论文中，作者使用模拟来评估一个基于强化学习的系统。
3. PIE: ALarge-Scale Dataset and Models for Pedestrian Intention Estimation andTrajectory Prediction 论文
简介：约克大学提出了一个新的数据集来预测行人的意图和未来的轨迹。作者还为这些任务提供了基线模型。
3. 建图&定位
1. DAGMapper:Learning to Map by Discovering Lane Topology 论文
简介：Uber ATG为自动驾驶汽车创建了高清语义映射工作，提出了一种自动生成语义地图的方法，实现了89%的正确拓扑。
2. GSLAM: AGeneral SLAM Framework and Benchmark 论文
简介：中国西北工业大学表示SLAM系统在过去十年中得到了显著的发展，在此基础上，提出了一个统一的框架来比较现有方法的不同组成部分，并帮助开发新的方法。
3. LPD-Net: 3DPoint Cloud Learning for Large-Scale Place Recognition and Environment Analysis 论文
简介：香港中文大学在预先构建的地图中，基于雷达的本地化是自动驾驶汽车视觉堆栈的关键组成部分。在这篇论文中，作者提出了一个全局学习描述符来识别车辆在地图的哪个部分。
4. SemanticKITTI:A Dataset for Semantic Scene Understanding of LiDAR Sequences 论文
简介：德国波恩大学提出了一种新的数据集，它提供了所有KITTY序列中点云的语义注释。以此来开发地图和感知系统的语义分类。
4. 自动驾驶数据管理
1. DBUS: HumanDriving Behavior Understanding System 论文
简介：滴滴出行联合南加利福尼亚大学表示Crowd-sourcing是一种收集大量人类驾驶数据来训练自动驾驶系统的方法。使这些数据可搜索且有用。为了解决这个问题，作者提出了一个端到端系统，该系统允许处理、索引和查询大量的驱动数据，以检索相关的场景。
2. Large ScaleMultimodal Data Capture, Evaluation and Maintenance Framework for AutonomousDriving Datasets 论文
简介：因特尔公司表示自动驾驶不仅是对人工智能的挑战，也是一个重大的工程和数据管理挑战。本文描述了一个存储和处理大量自动驾驶数据的案例研究和所涉及的挑战。
3. Meta-Sim:Learning to Generate Synthetic Datasets 论文
简介：NVIDIA联合多伦多大学在具有挑战性的条件下综合数据是训练或测试自动驾驶堆栈的方法之一。本文提出了一种基于用户文本输入的场景生成模型。
4. Advanced Pedestrian Dataset Augmentation for Autonomous Driving 论文
简介：布拉格捷克理工大学在具有挑战性的条件下综合数据是训练或测试自动驾驶堆栈的方法之一。作者提出了使用GANs来生成行人检测问题的数据。
自动驾驶（五十一）---------ICCV 2019之无人驾驶相关推荐
- 滴滴自动驾驶CEO张博：十年内无人驾驶对消费者没有吸引力丨厚势汽车
来源:WAVE2019 张博:在 2012 年滴滴创立的时候,我们是一个非常简单的想法.我们发现在打出租车的场景下,无论是司机还是乘客效率都非常低.在滴滴出现之前,一个乘客想要打出租车必须要下楼招一下 ...
- 自动驾驶（十一）---------泰勒展开式、雅克比矩阵、主成分分析
1.泰勒展开式 你可能会奇怪,讲自动驾驶怎么说起了数学,泰勒公式是我很喜欢的一个公式,自动驾驶中很多地方用到的是数学,只有把这些都弄明白,才能更好的理解自动驾驶,这也是我的探究过程. 泰勒公式一句话描 ...
- 【自动驾驶】高精地图在无人驾驶中的应用
高精地图是无人驾驶核心技术之一,精准的地图对无人车定位.导航与控制,以及安全至关重要.本文是"无人驾驶技术系列"第七篇,首先介绍高精地图与传统地图的区别,然后介绍其特点及制作过程. ...
- 自动驾驶系统入门（九）- 无人驾驶客户端系统
1.无人驾驶客户端系统 1.1 客户端系统基础解析 无人驾驶客户端系统包括操作系统和计算平台两个重要部分:无人驾驶不是单独的一项技术,而是多种技术的集成,技术的集成在由操作系统和硬件平台组成的客户端系 ...
- unit自动驾驶怎么使用_高速公路开启“无人驾驶”模式，自动驾驶功能真是这么用的吗？...
日前,一款配备自动驾驶功能的"造车新势力"纯电动车型,在高速公路上"无人驾驶"的视频流传开来. x 从视频画面中我们可以看到,当前车辆正在以90km/h的巡航速 ...
- 【周末阅读】2019自动驾驶十大关键词
来源:智车科技 作者:曾晶.桂艳琳.唐沛祥 回看过去2019年自动驾驶行业的"关键词",从中感受这一年自动驾驶的变化与趋势. 关键词一:交通强国 2019年9月,中共中央.国务院印 ...
- 无人驾驶、自动驾驶MDC、车联网技术报告
20191013文章不断更新中..... 2019中国汽车后市场白皮书 欧洲电动汽车2019-2025 2019年中国电动汽车充电桩行业研究报告-前瞻产业研究院 宝马汽车安全评估报告 国际车载网络安全 ...
- 五分钟通俗理解自动驾驶
大家好,我是良许. 这几年,自动驾驶这个概念非常火热,无论是百度还是谷歌,都做出了还不错的原型机,但是你真的知道什么是自动驾驶吗? 本文就花 5 分钟左右的时间,向大家科普一下什么是自动驾驶. 自动驾 ...
- 自动驾驶不等于无人驾驶,无人驾驶的概念是什么
自动驾驶.自主驾驶.无人驾驶有什么区别?应该如何理解? 自动驾驶.自主驾驶.无人驾驶有什么区别?应该如何理解?汽车行业嵌入式网络技术解决方案开发商ELIPT(EB)已达成与全球最大的汽车半导体供应商E ...
最新文章
- 分布式消息规范 OpenMessaging 1.0.0-preview 发布
- CodeForces 361B Levko and Permutation
- Visual Studio Code使用问题
- 每天一个Linux命令-ls
- vba 指定列后插入列_在不同的列左侧插入指定数量的空白列
- 水环境模型与大数据技术融合研究
- php删除图片按钮代码,jquery 按钮预览图片功能的代码，我看不太懂。应该怎么学...
- 某著名IT公司招聘Axapta/Navision(MBS)顾问
- 运用for循环计算100以内奇数的和
- 电子行业使用erp生产管理系统有哪些作用？常见模块有哪些？
- qt 二维数组初始化_C++数组初始化方法
- 基于linux的软件测试,基于linux的Web服务器性能测试
- android iccid获取不完整,Android调用getSimSerialNumber获取iccid不完整
- idea中编译DataSphereStudio编译方法及问题排查
- see into/see off/seek to等动词词组
- 轻松解决 f2pool鱼池ethermine连接失败antpool矿池连接不上的问题E池连接超时
- android 版本更新原理,蒲公英 - 文档中心 - SDK 自动更新机制
- (Talking face) EVP
- 给DDN社区志愿者的一封信
- 2017 高级职称计算机,2017年高级职称计算机预习：对话框的组成和操作