主要观点总结
本文介绍了一种基于摄像头的端到端泊车模型，通过模仿人类驾驶轨迹，从RGB图像到路径规划进行端到端的规划。文章详细描述了方法的设计、实施细节、实验结果及限制。该方法利用目标查询获取BEV视图中的融合特征，并使用自回归的方式使用transformer解码器预测轨迹点，然后用于控制车辆停入指定停车位。
关键观点总结
关键观点1: 主要贡献
设计了一个执行泊车任务的端到端网络，将环视图像转换为鸟瞰图（BEV）表示，通过利用目标特征查询图像特征，将其与目标停车位特征进行融合，采用基于Transformer解码器的自回归方法生成轨迹点。提供了端到端网络部署的有效解决方案。
关键观点2: 方法概述
利用摄像头特征提取与BEV转换、目标停车位编码、目标与摄像头特征融合、轨迹序列化、轨迹解码器等技术，实现端到端的泊车规划。通过自回归Transformer解码器从RGB图像和目标停车位中预测未来的路径点。
关键观点3: 实验结果
在四个不同的真实车库中进行了实验，平均停车成功率达到87.8%。提供了定量结果和消融研究，展示了方法的有效性和优势。
关键观点4: 限制和挑战
提出了当前方法的一些限制，如对数据规模和场景多样性的依赖、对移动目标的适应性、负样本的缺乏、纠正机制的缺失等。并讨论了未来工作的方向，如通过扩展数据集、使用深度强化学习等方法改进模型。
文章预览
文章：ParkingE2E: Camera-based End-to-end Parking Network, from Images to Planning 作者：Changze Li, Ziheng Ji, Zhe Chen, Tong Qin∗, and Ming Yang 编辑：点云PCL 欢迎各位加入知识星球，获取PDF论文，欢迎转发朋友圈。 文章仅做学术分享，如有侵权联系删文。 公众号致力于点云处理，SLAM，三维视觉，高精地图等领域相关内容的干货分享，欢迎各位加入，有兴趣的可联系dianyunpcl@163.com。 文章未申请原创 ， 侵权或转载 联系微信cloudpoint9527。 摘要 自动泊车是智能驾驶领域中的一项关键任务，传统的泊车算法通常通过基于规则的方案实现。然而这些方法在复杂的停车场景中效果较差，因为算法设计过于复杂，相比之下基于神经网络的方法比基于规则的方法更直观且更灵活。通过收集大量的专家停车轨迹数据，并利用基于学习的方法模仿人类策略，可以有效地解决停车任务。本文
………………………………
