[论文解读] Object Detection in Autonomous Vehicles: Status and Open Challenges

Abhishek Balasubramaniam, Sudeep Pasricha|arXiv (Cornell University)|Jan 19, 2022

Advanced Neural Network Applications被引用 45

一句话总结

本文综述了面向自动驾驶的基于深度学习的目标检测器的最新进展，并讨论了将这些检测器集成到感知系统中的开放挑战。

ABSTRACT

Object detection is a computer vision task that has become an integral part of many consumer applications today such as surveillance and security systems, mobile text recognition, and diagnosing diseases from MRI/CT scans. Object detection is also one of the critical components to support autonomous driving. Autonomous vehicles rely on the perception of their surroundings to ensure safe and robust driving performance. This perception system uses object detection algorithms to accurately determine objects such as pedestrians, vehicles, traffic signs, and barriers in the vehicle's vicinity. Deep learning-based object detectors play a vital role in finding and localizing these objects in real-time. This article discusses the state-of-the-art in object detectors and open challenges for their integration into autonomous vehicles.

研究动机与目标

• 强调目标检测对安全自动驾驶的重要性。
• 回顾当前用于车辆感知的基于深度学习的目标检测器。
• 在部署检测器以实现实时、鲁棒的自动驾驶中识别核心挑战。

提出的方法

• 对用于自动驾驶的现有目标检测方法进行综述与综合。
• 讨论检测器如何定位并识别行人、车辆、交通标志和障碍物。
• 对在自动驾驶感知栈中的整合挑战进行批判性分析。

实验结果

研究问题

• RQ1 当前用于自动驾驶的目标检测器的现状是什么？
• RQ2 在现实世界的自动驾驶车辆中部署这些检测器存在哪些尚待解决的挑战和局限？
• RQ3 如何将目标检测有效集成到鲁棒的感知系统中以实现自动驾驶？

主要发现

• 基于深度学习的检测器在实时发现和定位对象方面发挥着关键作用。
• 感知系统依赖于准确的目标检测来理解车况周围环境。
• 本文讨论了最先进的检测器及将其整合到自动驾驶车辆中的开放挑战。