自动驾驶感知入门指南

感知技术是自动驾驶系统的核心支柱，涵盖多源信息融合、单目与多目视觉理解、激光雷达点云处理、鸟瞰图（BEV）建模、占据栅格（Occupancy）表征等关键方向。随着2023年临近尾声，行业技术演进持续加速：在线高精地图动态更新、大语言模型赋能场景理解、端到端驾驶决策架构、世界模型构建、神经辐射场（NeRF）重建以及三维空间占据预测等前沿方向，正从实验室研究稳步迈向量产落地。为系统梳理这一年的核心进展，本文精选近百篇权威综述与奠基性论文，覆盖感知、定位与建图、多传感器融合、Occupancy预测、大模型应用、端到端学习、运动规划与控制、BEV感知范式、数据构建与治理等关键维度，全景呈现当前自动驾驶的技术脉络与发展路径。
在多模态融合方面，聚焦激光雷达、毫米波雷达与可见光相机的数据协同机制，探索异构传感器间时空对齐、特征级与决策级融合策略。针对三维目标检测，全面归纳基于单目图像、双目立体视觉、点云及多模态联合输入的方法体系；涵盖通用检测框架，亦深入分析自动驾驶场景下的特殊挑战，如长尾分布、遮挡伪装目标识别，并对比anchor-based与anchor-free、one-stage与two-stage等主流技术路线。数据层面，系统梳理面向小目标检测、样本稀缺场景的小样本学习、自动化数据增强（AutoAugment）等关键技术。语义分割方向，涵盖实时图像分割、视频时序分割、实例级解析，以及弱监督、无监督和点云分割等新兴范式。此外，整合检测、分割、关键点定位与车道线识别的多任务联合建模方法亦被重点归纳。
目标跟踪部分涵盖单目标与多目标跟踪范式，对比传统滤波算法与端到端深度学习方案。深度估计领域，总结单目与双目方法，剖析户外复杂光照、运动模糊、纹理缺失等导致精度下降的根本原因。人体关键点检测成果为车辆结构化理解提供可迁移思路。视觉Transformer及其轻量化变体亦被系统评述。车道线检测则横跨2D/3D空间，囊括分类、检测、分割与曲线拟合等多种技术路径。对高精度定位与实时建图的整体技术方案进行了整体性梳理与归类。