01
误报问题概述
什么是障碍物检测误报？误报对自动驾驶系统的影响。
基础影响分析
02
传感器噪声分析
激光雷达点云噪声来源、毫米波雷达多径反射、摄像头光照干扰。
激光雷达毫米波摄像头
03
数据预处理降噪
点云滤波算法（体素滤波、统计滤波）、雷达信号CFAR算法基础。
滤波CFAR
04
时空一致性校验
基于多帧匹配的误报滤除、速度连续性约束。
多帧运动约束
05
多传感器融合验证
视觉-雷达目标关联、IOU匹配与置信度加权。
融合关联
06
基于几何约束的滤除
地面点误报消除、悬挂物与空中漂浮物过滤。
几何地面
07
基于语义的误报识别
利用语义分割结果剔除无效目标。
语义分割
08
运动模型预测校验
卡尔曼滤波预测与观测残差分析。
卡尔曼残差
09
机器学习分类器
训练二分类器区分真实目标与误报。
分类器二分类
10
规则引擎与专家系统
构建可配置的误报过滤规则链。
规则专家系统
11
场景自适应阈值
根据天气、光照、路况动态调整检测阈值。
自适应阈值
12
回波特性分析
利用激光雷达回波宽度、强度信息滤除噪点。
回波强度
13
雷达点云聚类优化
DBSCAN参数自适应与过分割合并。
聚类DBSCAN
14
视觉检测误报
阴影误检、路面文字误检、广告牌误检。
视觉阴影
15
毫米波雷达静止目标误报
护栏、隧道壁、桥梁的过滤策略。
静止目标护栏
16
超声波雷达串扰抑制
编码序列与时分复用技术。
超声波串扰
17
高精地图辅助验证
将检测目标与地图元素进行比对。
高精地图验证
18
V2X协同验证
利用路侧单元信息消除单车感知误报。
V2X协同
19
在线学习与自适应
部署后根据反馈数据持续优化模型。
在线学习自适应
20
误报评价指标
FPPI、FPR、误报密度与计算效率。
指标FPPI
21
数据集构建
误报样本挖掘与标注策略。
数据集标注
22
仿真测试
在CARLA/Gazebo中构建误报场景。
仿真CARLA
23
硬件在环测试
注入噪声信号验证算法鲁棒性。
HIL鲁棒性
24
功能安全考量
误报与漏报的权衡（ISO 26262）。
功能安全ISO26262
25
实时性优化
误报消除算法的嵌入式部署与加速。
嵌入式加速
26
案例研究1：雨天激光雷达
雨天激光雷达误报消除实战。
案例雨天
27
案例研究2：隧道多径误报
隧道内毫米波雷达多径误报消除。
隧道多径
28
案例研究3：强光视觉误报
强光下视觉检测误报消除。
强光视觉
29
综合方案设计
构建端到端的误报消除流水线。
端到端流水线
30
前沿趋势
基于Transformer的误报检测、神经符号系统。
Transformer神经符号