自动驾驶Corner Case-感知(视觉、激光雷达、雷达)检测Corner Case

《An Application-Driven Conceptualization of Corner Cases for Perception in Highly Automated Driving》

• Corner Cases分类和定义
  
  
  表格纵向是传感器的corner case种类，即激光雷达、摄像头和雷达；表格横向分成传感器层、内容层和时域层
  1）传感器层分成硬件级和物理级；
  传感器的硬件级问题包括：a）激光雷达错误有破碎的镜子和未校准的执行器；b）摄像头（像素）错误包括坏点和破碎的镜头；c）雷达错误（脉冲）包括低电压和低温。
  传感器的物理级问题包括：a）激光雷达错误（基于光束）包括黑车看不见；b）摄像头（像素）错误包括镜头污迹、过饱和/曝光；c）雷达（脉冲）错误包括干扰。
  2）内容层分成域、目标和场景三个级；
  域级问题包括：a）激光雷达的点云域迁移中道路标记的形状；b）摄像头在单帧域迁移中的定位；c）雷达在域迁移的天气。
  目标级问题包括：a）激光雷达的点云异常（灰）；b）摄像头的异常（动物出现）；c）雷达的异常（丢失目标）。
  场景级问题包括：a）激光雷达的集体性/上下文异常（人行道清扫）；b）摄像头的集体性/上下文异常（广告牌上的人照）；c）雷达集体性/上下文的异常（街道的树木）。
  3）时域层只有场景一个级别；
  场景级的问题（多个图像帧或者点云帧）包括：人违反交通规则、超越的自行车和车祸等等。