自动驾驶

Towards Compact Autonomous Driving Perception with Balanced Learning and Multi-sensor Fusion

面向紧凑型自动驾驶感知的平衡学习与多传感器融合

Oskar Natan, Jun Miura

机构 * Department of Computer Science and Engineering, Toyohashi University of Technology（计算机科学与工程系，丰田寺大学） ； Department of Computer Science and Electronics, Gadjah Mada University（计算机科学与电子系，加查马达大学） 纠错

专题命中 多传感器融合 ：autonomous driving(title,abstract)；driving perception(title,abstract)；LiDAR(abstract)；分类 cs.RO、cs.CV、cs.AI

AI总结 提出一种紧凑的深度多任务学习模型，通过自适应损失加权和中间传感器融合技术，在单次前向传播中同时处理语义分割、深度估计、激光雷达分割和鸟瞰投影，实现高效自动驾驶感知。

Comments This work has been accepted for publication in IEEE Transactions on Intelligent Transportation Systems. https://ieeexplore.ieee.org/document/9712213

Reliability-Guided Depth Fusion for Glare-Resilient Navigation Costmaps

基于可靠性引导的深度融合用于抗眩光导航代价地图

Shang-En Tsai

专题命中 多传感器融合 ：occupancy(abstract)；分类 cs.RO

AI总结 针对反光地面、玻璃边界等表面导致的深度测量噪声，提出基于显式深度可靠性建模的代价地图构建方法，通过DRM-Net预测像素级可靠性并采用加权门控融合机制抑制错误占据更新，实验证明能有效减少虚假障碍并保持实时性能。

XD-RCDepth: Lightweight Radar-Camera Depth Estimation with Explainability-Aligned and Distribution-Aware Distillation

XD-RCDepth: 轻量级雷达-相机深度估计，具有可解释性对齐和分布感知蒸馏

Huawei Sun, Zixu Wang, Xiangyuan Peng, Julius Ott, Georg Stettinger, Lorenzo Servadei, Robert Wille

机构 * Technical University of Munich（慕尼黑技术大学） ； Infineon Technologies AG（英飞凌科技） 纠错

专题命中 多传感器融合 ：autonomous driving(abstract)；分类 cs.CV

AI总结 提出轻量级雷达-相机深度估计架构XD-RCDepth，通过可解释性对齐蒸馏和深度分布蒸馏减少参数29.7%并保持精度，在nuScenes和ZJU-4DRadarCam数据集上实现实时性能。