自动驾驶学习笔记（十七）—

自动驾驶学习笔记（十七）——视觉感知

#Apollo开发者#

学习课程的传送门如下，当您也准备学习自动驾驶时，可以和我一同前往：

《自动驾驶新人之旅》免费课程—> 传送门

《Apollo 社区开发者圆桌会》免费报名—>传送门

文章目录

前言

分类

目标检测

语义分割

实例分割

全景分割

总结

前言

见《自动驾驶学习笔记（十二）——定位技术》

见《自动驾驶学习笔记（十三）——感知基础》

见《自动驾驶学习笔记（十四）——感知算法》

见《自动驾驶学习笔记（十五）——交通灯识别》

见《自动驾驶学习笔记（十六）——目标跟踪》

计算机视觉识别常见的任务类型有：目标分类、目标检测、语义分割、实例分割和全景分割等。

分类

分类（Classification）是图片级别的任务，识别图片中的物体类别，示例如下。

目标检测

目标检测（Object Detection）是物体级别的任务，识别物体类别，同时用BoundingBox来表示物体的位置，示例如下。2D目标检测的算法有YOLO系列、RCNN系列等。3D目标检测的算法有SMOKE、FCOS3D等。

语义分割

语义分割（Semantic Segmentation）是像素级别的任务，识别物体类别（不区分个体），示例如下。自动驾驶中用到的算法有freespace，其他领域用到的算法有FCN、UNet、Enet等。

实例分割

实例分割（Instance Segmentation）是像素级别的任务，包含了目标检测和语义分割，可区分个体，示例如下。常用的算法有MaskRCNN、自动驾驶车道线检测SCNN、PINet等。

全景分割

全景分割（Panoptic segmentation），是未来的一种研究方向，是像素级别的任务，包含语义标签和实例ID，可数目标和不可数目标都可以应对，示例如下。

总结

以上就是本人在学习自动驾驶时，对所学课程的一些梳理和总结。后续还会分享另更多自动驾驶相关知识，欢迎评论区留言、点赞、收藏和关注，这些鼓励和支持都将成文本人持续分享的动力。

另外，如果有同在小伙伴，也正在学习或打算学习自动驾驶时，可以和我一同抱团学习，交流技术。

文中部分图片来源自网络，若有侵权，联系立删。