背景：前面几篇文章谈到了很多的专业名词、专业技术，接下来的文章会针对具体的模块进行拆解，以便于更深入全面的去了解每个模块的工作内容。1、感知识别
1.1 交通道路元素识别
https://jtgl.beijing.gov.cn/jgj/lszt/659722/10860935/index.html
1.2 交通灯识别
1.3 道路识别
1.4 天气识别
这里将天气和光照情况分别列出，实际出现的是复合场景，例如“白天-雨天-小雨”和“傍晚-雨天-中雨”就是两种场景。以上场景进行排列组合，形成多种复杂的天气组合。
1.5 物体识别
| | |
| |
| |
| |
| 超长车 | 厢式货车、平板车、低斗货车 |
特种车 | |
工程车 | |
| 厢式货车、平板货车 |
| |
| |
| |
三轮车 | 农用三轮车、快递三轮车 |
| |
| |
| |
| | |
| |
| |
| |
| |
| |
| |
珊栏 | |
| |
| |
2、感知位置&行为
| 当前车道前方 |
当前车道后方 |
相邻车道前方 |
相邻车道后方 |
相邻车道左侧 |
相邻车道右侧 |
垂直车道左侧 |
垂直车道右侧 |
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3、感知技术
3D占据感知支持对3D世界的全面理解，并为自动驾驶中的多种任务提供支撑。现有的基于占据的应用包括分割、检测、动态感知、世界模型和自动驾驶算法框架：（1）分割：语义占据感知本质上可视为 3D 语义分割任务。（2）检测：OccupancyM3D和SOGDet 是两项基于Occupa ncy的 3D 目标检测工作。OccupancyM3D首先通过学习占据增强3D特征，再将其用于3D检测；SOGDet开发了语义占据预测和3D目标检测两项并行任务，通过联合训练实现相互增强。（3）动态感知：旨在捕捉周围环境中的动态目标及其运动，具体形式为预测动态目标的占据流。强监督的 Cam4DOcc 和自监督的 LOF 已在占据流预测中展现潜力。（4）世界模型：通过观察当前和历史数据模拟并预测周围环境的未来状态。根据输入观测数据，先驱工作可分为基于语义占据序列的世界模型（如OccWorld 和OccSora ）、基于点云序列的世界模型（如SCSF、UnO、PCF）和基于多摄像头图像序列的世界模型（如DriveWorld和Cam4DOcc）。然而，这些工作在高质量长期预测方面仍表现不佳。（5）自动驾驶算法框架：将不同传感器输入集成到统一的占据表示中，再将占据表示应用于广泛的驾驶任务，如 3D 目标检测、在线建图、多目标跟踪、运动预测、占据预测和运动规划。相关工作包括 OccNet、DriveWorld 和 UniScene。
https://zhuanlan.zhihu.com/p/1908971208084525795
4、感知监测
感知检测从大分类角度来看就是漏误检测及错误。具体根据各家公司业务及细分场景进行精细化拆解，不同传感器及场景的划分也有所区别。
匠歆会展深耕汽车、航空航天、海事、人工智能、网络安全、医疗等高端产业，致力于为头部企业、权威学术机构、政府部门及科研院所提供贯穿战略洞察与全流程解决方案的高端服务平台。专注精准商务对接、品牌曝光与产业资源落地，依托 30 万 + 行业数据库与 VIP 1V1 匹配服务，高效拉高企业合作转化率。成功打造了包括 AutoCS（智能汽车信息安全大会）、AICC（全球数据中心基础设施大会）、绿色航运大会、航空涡轮展、eVTOL 展等在内的多个行业知名 IP，覆盖行业人员超过 10 万人，持续为企业实现精准获客、技术对接、商机转化与品牌增量。
联系人｜Lilian
电话｜18217555248（微信同号）
邮箱｜lilian.wu@artisan-event.com
关注【ArtiAuto 匠歆汽车】，获取最新行业趋势与深度技术洞察。
加入【AutoCS】智能汽车信息安全社群，共同探讨漏洞分析、入侵防护与实战案例，共建端到端协同防御体系。
加入【AutoSEMI】智能汽车半导体社群，与芯片设计、EDA、整车伙伴共同探讨。直面从RISC-V、测试、认证到流片、上车的全链路挑战，协同推动国产芯片落地。
加入【AutoPEPS】智能汽车无钥匙进入社群，与同仁共研共创。攻坚无钥匙进入与数字钥匙融合的硬核挑战，定义下一代智能进入，加速技术量产落地。
免责声明：仅供参考，不构成任何商业建议。部分素材源自网络，如涉及版权问题，请及时联系lilian.wu@artisan-event.com删除。
