【导读】随着近几年来AI技术的飞速发展,人们将计算机视觉技术应用于自动驾驶,使得自动驾驶的应用变得可行,很大程度地推进了自动驾驶技术的发展。本文介绍一篇关于自动驾驶计算机视觉的全面综述,覆盖了该领域相关的问题、数据集和最先进的技术。

近几年来,我们目睹了AI相关领域取得的巨大的进步,如计算机视觉、机器学习、自动驾驶等。随着这些领域的飞速发展,初学者很难了解领域最新的进展。在自动驾驶计算机视觉领域,尽管出现了一些关于特定子问题的综述,但尚未发布关于问题、数据集和方法的全面和综合的综述。

综述《Computer Vision for Autonomous Vehicles: Problems, Datasets and State of the Art》试图通过提供对目前最先进的相关技术和数据集的调研来缩小人们对该领域的认知鸿沟。综述既包括了已有的最相关的文献,也包含了一些特殊主题目前最先进的成果,如识别、重建、运动估计、跟踪、场景理解和自动驾驶端到端学习。综述还包含了对最先进技术在KITTI、MOT和Cityscapes等几个具有挑战性的基准数据集上的性能的分析。

另外,该综述还讨论了一些开放问题和目前的研究挑战。综述还提供了一个网站,方便人们访问相关的主题,以及提供额外的信息。

综述首先提供了自动驾驶的简要历史,然后介绍了相机模型和校准技术。接着,综述介绍了与自动驾驶相关的数据集(重点关注与感知相关的数据集)、相关的感知任务和最新的解决方法。尤其是,综述回顾了目标检测、目标跟踪、语义(实体)分割、重建、运动估计和场景理解。每个章节包含了问题定义、重要方法和主要设计选择、顶尖技术在流行数据集上的定性和定量分析以及关于领域最先进技术的讨论。最终,综述提供了关于最先进端到端自动驾驶模型的概览。

综述的目录大致如下:

  • 简介
  • 自动驾驶的历史
  • 感知器
  • 数据集和基准
  • 目标检测
  • 目标跟踪
  • 语义分割
  • 语义实体分割
  • 立体
  • 多视角3D重建
  • 光流
  • 3D场景流
  • 地图、定位和Ego-Motion估计
  • 场景理解
  • 自动驾驶的端到端学习
  • 总结
成为VIP会员查看完整内容
112

相关内容

计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
最新《深度学习自动驾驶》技术综述论文,28页pdf
专知会员服务
153+阅读 · 2020年6月14日
最新《自然场景中文本检测与识别》综述论文,26页pdf
专知会员服务
69+阅读 · 2020年6月10日
最新《深度学习行人重识别》综述论文,24页pdf
专知会员服务
80+阅读 · 2020年5月5日
3D目标检测进展综述
专知会员服务
188+阅读 · 2020年4月24日
【综述】自动驾驶领域中的强化学习,附18页论文下载
专知会员服务
170+阅读 · 2020年2月8日
【资源】2019年计算机视觉综述论文汇聚
专知
36+阅读 · 2019年11月26日
深度学习技术在自动驾驶中的应用
智能交通技术
25+阅读 · 2019年10月27日
自动驾驶最新综述论文(31页PDF下载)
专知
118+阅读 · 2019年1月15日
计算机视觉方向简介 | 目标检测最新进展总结与展望
计算机视觉life
9+阅读 · 2018年10月28日
Arxiv
20+阅读 · 2019年11月23日
Hierarchy Parsing for Image Captioning
Arxiv
6+阅读 · 2019年9月10日
VIP会员
相关VIP内容
微信扫码咨询专知VIP会员