《计算机视觉：从入门到精通》技术手册 第23章 自动驾驶视觉系统

目录

第23章 自动驾驶视觉系统

23.1 自动驾驶感知栈

23.1.1 多传感器融合：相机、LiDAR、Radar、超声波

23.1.2 鸟瞰图（BEV）表示与转换

23.1.3 3D目标检测：单目、立体、LiDAR融合

23.1.4 车道检测与可行驶区域分割

23.2 BEV感知与Occupancy Network

23.2.1 视角转换：IPM, Lift-Splat-Shoot

23.2.2 BEVFormer：基于Transformer的BEV编码

23.2.3 Occupancy Network与3D占用预测

23.2.4 2024年进展：UniAD, VAD端到端自动驾驶

23.3 多目标跟踪与预测

23.3.1 自动驾驶场景下的MOT

23.3.2 轨迹预测：基于LSTM与Transformer的方法

23.3.3 交互感知预测与场景理解

23.3.4 2024年趋势：世界模型与驾驶场景生成

第23章 自动驾驶视觉系统

自动驾驶视觉系统是实现车辆自主导航的核心技术栈，负责从复杂动态环境中实时感知、理解与预测，为决策规划提供可靠的环境模型。该系统融合了计算机视觉、传感器融合、深度学习与机器人学等多个领域的前沿技术，通过多模态传感器数据的高效处理，构建车辆周围环境的完整数字孪生。从早期的模块化感知流水线到当前的端到端学习范式，自动驾驶视觉系统经历了从规则驱动到数据驱动的根本性转变，逐步实现了从辅助驾驶到完全自主驾驶的跨越。

23.1 自动驾驶感知栈

自动驾驶感知栈构成了车辆环境理解的基础架构，通过分层处理将原始传感器数据转化为结构化的环境表示。该栈通常包括数据采集、传感器融合、目标检测、语义分割、地图构建与目标跟踪等多个层次，各层之间通过标准化接口传