用QA问答详解深度估计 [泊车场景:AFNet/UniDepth]
Q：如何利用时序提升单目depth [AFNet]
single-view对低纹理以及noisy pose更加鲁棒友好，multi-view包含视差，一般采用cost volume对于动态目标效果差，对于noisy pose很敏感。
Read More
用QA问答讲项目故事
Q1：如何根据badcase从已有标注数据中挖掘筛选高质量训练数据[BEV静态感知基于Seg的OM任务]？
- 背景：大曲率弯道和分合流专项badcase挖掘训练数据
- 方法：根据badsample的GPS定位挖掘附近100m的...
用QA问答详解BEV系列 [时序融合工程化：HENet/RecurrentBEV/PointBEV]
Q：BEV时序融合分为几种，各自优点和区别是什么？
时序融合分为并行融合 Parallel fusion 和递归融合 Recurrent fusion 2种，其中并行融合同时融合处理多个历史帧feat，可获取更丰富完整long-term信息，递归融合当前帧feat只与history feat融合，计算复杂度和内...
原则：用金钱牺牲换来的做事原则
用QA问答详解端到端 [工程落地：UniAD/PARA-Drive/SpareDrive/VADv2]
Q：端到端模型通常大致分为几种？
分为两种，一种是完全黑盒OneNet，模型直接优化Planner；另一种是模块化端到端，即模块级联或者并联，通过感知模块，预测模块以及规划模块之间feat-level/query-level的交互，减少分段式自动驾驶模型的误差累积。
Q：[UniAD]...
Read More
用QA问答详解OnlineMapping [向量化建图: MapTR / VectorMapNet]
Q：什么是SDMap,HDMap以及OnlineMapping，且3者的区别是什么
- SDMap 是指低精度地图，一般指拓扑地图，只有道路级别精度，大约在米级别，不包含路面标志和坐标，主要用于导航。
- HDMap 是指高精度地图，侧重车道级别信息...
Read More
用QA问答详解BEV系列 [CVPR24: BEVSpread / BEVNeXT]
Q：LSS范式的BEV感知思路和逻辑是什么
常规LSS范式思路是：预测2D feat和depth进行点积获得2.5D的视锥feat，然后通过相机内外参数转换为3D feat，通过voxel pooling将3D feat转换到BEV feat。
Read More
用QA问答详解Occ系列 [工程落地: FlashOcc / SparseOcc]
Q：Occ在工程落地上对比BEV有什么优缺点
更丰富的3D信息：Occ提供了完整的3D场景表示，包括高度信息，而BEV...
Read More
View:307
User:267