-
稀疏查询为中心的端到端自动驾驶范式(SparseAD) – 提高自动驾驶系统性能的新方法
本文介绍了一种新的以稀疏查询为中心的端到端自动驾驶范式(SparseAD),该范式能够提高自动驾驶系统在多任务处理和性能方面的表现,并显著降低计算成本和内存占用。如果您对自动驾驶系统的性能优化和多任务处理感兴趣,本文将为您提供有价值的信息。- 117
- 0
-
NeRF自动驾驶系统模拟和真实数据间的差距研究
本文研究了NeRF在自动驾驶系统中模拟数据和真实数据之间的差距,探索了数据增强技术对模型鲁棒性的影响。通过评估对象检测器和在线映射模型的性能,以及real2sim差距与图像重建指标的相关性,为提高NeRF性能和实现可扩展虚拟AV测试提供了重要的参考。- 455
- 0
-
-
POWER BEV: 一种新型端到端框架在自动驾驶感知中的优势
本文介绍了一种名为POWER BEV的新型端到端框架,用于自动驾驶感知中的BEV实例预测。通过简化多任务设置和提出基于二维卷积网络的轻量级设计,POWER BEV在NuScenes数据集上表现优于最先进的基准,为BEV实例预测提供了另一种范例。- 169
- 0
-
FlashOcc: 高效占用预测及部署优化
本文介绍了一种名为FlashOcc的新型占用预测方法,能够在自动驾驶系统中快速、节省内存地实现高精度的占用预测。通过通道到高度变换技术,FlashOcc成功地解决了3D目标检测中的长尾缺陷和复杂形状缺失问题,为自动驾驶系统的部署提供了更加友好的解决方案。- 616
- 0
-
自动驾驶系统中相机相对地面的在线标定方法
本文介绍了一种用于自动驾驶系统中相机与地面在线标定的方法,通过粗到精的地面特征提取和基于滑动窗口的因子图优化来估计相机与地面的标定参数。实验结果表明该方法有效,并且优于现有技术。- 353
- 0
幸运之星正在降临...
点击领取今天的签到奖励!
恭喜!您今天获得了{{mission.data.mission.credit}}积分
我的优惠劵
-
¥优惠劵使用时效:无法使用使用时效:
之前
使用时效:永久有效优惠劵ID:×
没有优惠劵可用!