贝叶斯网络
Bayesian Network Reference
Posts by Year
2020
Lyft 车辆轨迹预测数据集及基线模型
Level 5在6月25号公布了一个新的车辆轨迹预测数据集，相比于前段时间的包含320h数据的Argoverse，该数据集有1110h，并且其API也更容易使用，包含了完善的高清地图栅格化功能，从而可以较为容易地用CNN实现车辆轨迹预测。
用Pytorch实现Encoder Decoder模型
本周主要实现了经典的Encoder Decoder模型，并进一步优化了训练和测试相关代码。
用Pytorch实现轨迹预测整体框架
本周的主要工作是学习Pytorch这一深度学习框架（之前用的是tensorflow，但是Pytorch目前在学术研究中更为常用，因此花了一定的时间去熟悉Pytorch），然后将Argoverse的轨迹数据集按照Pytorch的规范进行加载（自定义了一个数据类，继承了torch.util.data.Dataset）...
Argoverse基线模型分析
数据集探索
《VectorNet: Encoding HD Maps and Agent Dynamics from Vectorized Representation》阅读笔记
本文对Waymo近期提出的Vectornet做了一个较为详细的分析。
Argoverse 数据集详解
Argoverse数据集介绍
Survey on Vehicle Trajectory Prediction
这篇文章主要整理了这段时间所看轨迹预测方面论文的大致思路，也整理了相关的数据集和性能指标。
Study on Self-Driving Vehicle Sensor Range
这篇文章的目的是明确主流无人驾驶车辆车载传感器的感知范围，选取了Waymo、Tesla、Baidu Apollo这几个头部的无人驾驶公司来分析。三者在技术路线以及经营模式上有着较大的差距，有助于我们较为全面地了解目前典型的自动驾驶车辆只依靠单车传感器的感知范围详细数值。