IEEE Signal Processing Magazine· 2020Q1· Derleme
Otonom Sürüş İçin Lidar: Otomotiv Lidar ve Algılama Sistemleri İçin Prensipler, Zorluklar ve Trendler
Lidar for Autonomous Driving: The Principles, Challenges, and Trends for Automotive Lidar and Perception Systems
- 660atıf
- Q1SCImago
- 2020yıl
Kısa özet
Lazer vericileri ve ışın tarama mekanizmalarını içeren otomotiv lidar sistemleri, otonom araç algılamasını iyileştirmek için giderek daha fazla kullanılmakta, araçları ve yayaları algılamakta, kamera ve radar sistemlerini tamamlamaktadır. Bu inceleme, lidar bileşenlerini, mevcut teknolojileri karşılaştırmakta ve hem model tabanlı hem de derin öğrenme yaklaşımlarını içeren algılama algoritmalarını özetlemektedir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Lidar sistemleri, otonom araç algılaması için esastır ve çevredeki varlıkları tespit etmek üzere kameraları ve radarları tamamlar.
- İnceleme, lazer vericileri ve ışın tarama mekanizmalarını içeren lidar sistem bileşenlerini kapsamaktadır.
- Lidar verilerini işlemek için hem model tabanlı hem de derin öğrenme yaklaşımları tartışılmaktadır.
- Makale, otomotiv lidar ve algılama sistemlerindeki mevcut sınırlamalar, zorluklar ve gelecekteki eğilimlere ilişkin bir genel bakış sunmaktadır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Autonomous vehicles rely on their perception systems to acquire information about their immediate surroundings. It is necessary to detect the presence of other vehicles, pedestrians, and other relevant entities. Safety concerns and the need for accurate estimations have led to the introduction of lidar systems to complement camera- or radar-based perception systems. This article presents a review of state-of-the-art automotive lidar technologies and the perception algorithms used with those technologies. Lidar systems are introduced first by analyzing such a system's main components, from laser transmitter to beamscanning mechanism. The advantages/disadvantages and the current status of various solutions are introduced and compared. Then, the specific perception pipeline for lidar data processing is detailed from an autonomous vehicle perspective. The model-driven approaches and emerging deep learning (DL) solutions are reviewed. Finally, we provide an overview of the limitations, challenges, and trends for automotive lidars and perception systems.
Yazarların özeti; kaynağından alınmıştır. IEEE Signal Processing Magazine, 2020 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Enstrümantasyon
InstrumentationPhysics and Astronomy