基于深度学习的列车运行环境感知关键算法研究综述

陈智超,杨杰,李凡,冯志成

Review on deep learning-based key algorithm for train running environment perception

Zhichao CHEN,Jie YANG,Fan LI,Zhicheng FENG

表 5 不同检测距离下BEVFusion的平均精度均值

Tab.5 Mean average precision of BEVFusion at different detection distances

模型 模态 mAP/% D < 50 m D∈[50,100) m D∈[100,150) m D∈[150,200] m D > 200 m BEVFusion 相机 20.20 47.99 22.35 0.00 0.00 +TF 相机 24.03 47.58 21.27 0.05 4.86 BEVFusion 激光雷达 73.91 74.27 71.07 49.75 78.40 +TF 激光雷达 88.29 75.09 66.80 51.04 79.73 +TF+TA-GTP 激光雷达 88.08 74.96 71.46 52.08 78.96 BEVFusion 相机+激光雷达 81.37 74.22 67.71 50.56 76.32 +TF 相机+激光雷达 86.68 74.70 70.20 54.65 80.86