本答案对应课程为:点我自动跳转查看
本课程起止时间为:2020-02-24到2020-06-30
本篇答案更新状态:已完结

第一章 智能汽车技术概述 第一章单元测验

1、 问题:下述用于区分L4级和L5级自动驾驶的条件是:
选项:
A: L5可以操控在任何天气条件下,而L4则不能
B: L4具有严格的ODD限制,而L5则没有
C:L5能操控在任何路况下,而L4则不能
D: L5具有OEDR功能,而L4则不具有
答案: 【 L4具有严格的ODD限制,而L5则没有

2、 问题:在自适应巡航中,下面哪个目标应作为感知对象:
选项:
A:道路标线
B:前方车辆
C:交通信号灯
D:道路标志
答案: 【前方车辆

3、 问题:区别于高速场景,城市场景应考虑哪些驾驶行为:
选项:
A:变道
B:超车
C:转弯,通过交叉路口
D:通过环岛
答案: 【超车;
转弯,通过交叉路口;
通过环岛

4、 问题:软件监管模块主要负责监管:
选项:
A:环境感知
B:环境建图
C:运动规划
D:控制器
答案: 【环境感知 ;
环境建图;
运动规划;
控制器

5、 问题:激光雷达是综合性能最强的传感器单元,不仅可不受光照变换的干扰,也不受雨雾雪等天气影响。
选项:
A:正确
B:错误
答案: 【错误
分析:【激光雷达发射光束进行探测,会受雨雾等影响,但不易受光照变化干扰。

【作业】第一章 智能汽车技术概述 第一章单元作业

1、 问题:请论述L5级别的自动驾驶汽车实现广泛应用需考虑哪些因素,目前存在哪些技术限制,以及可能的改进方法。
评分规则: 【 广泛应用的影响因素,包括:法律市场技术
当前存在的技术限制天气条件工作时间路况条件
改进方法道路改进车辆改进

2、 问题:激光雷达是否能替代其他传感器而作为唯一车载感知单元呢?
评分规则: 【 定性结论
说明原因,包括激光雷达特点自动驾驶需求综合评估

【作业】第四章 激光雷达与视觉感知技术基础 第四章作业

1、 问题:请简述迭代最近点算法。
评分规则: 【 采用迭代步骤;在每一次迭代中,计算当前点云和目标点云之间的最近匹配点,并利用最小二乘法进行每一步的平移、旋转矩阵求解;并将求解的矩阵作用于当前点云,重复计算与目标点云之间的最近匹配点,直到算法收敛。

第四章 激光雷达与视觉感知技术基础 第四章单元测验

1、 问题:一般来说,激光雷达所受干扰的噪声源包括:
选项:
A:反射信号接收的不确定性
B:与目标交互过程 中存在 光束被物体 表面 吸收以及镜面反射的问题
C:在不同介质的传播速率影响
D:车辆低速运动产生的影响
答案: 【反射信号接收的不确定性;
与目标交互过程 中存在 光束被物体 表面 吸收以及镜面反射的问题;
在不同介质的传播速率影响

2、 问题:图像坐标系到像素坐标系的变换方程中,Z为点在世界坐标系下的参考坐标。
选项:
A:正确
B:错误
答案: 【错误
分析:【Z应为点在相机坐标系下的参考坐标。

3、 问题:视差图的计算是为了进一步计算图中各点在相机坐标系下的坐标信息。
选项:
A:正确
B:错误
答案: 【正确

4、 问题:采用水平方向光轴平行设置的两台相机,其视差为同一三维目标点在()。
答案: 【图像水平或x轴方向上的位置差

5、 问题:在视觉坐标系转换过程中,需要进行坐标方程的()变换。
答案: 【齐次

第五章 视觉特征与神经网络 第五章单元测验

1、 问题:智能车辆在道路上行驶时,如需要对道路标线进行检测,采用下述哪一种特征检测为最优。
选项:
A:区块特征
B:角点特征
C:边缘特征
D:以上都不是
答案: 【边缘特征

2、 问题:在神经网络的应用中,以下哪几个任务可采用回归方法进行。
选项:
A:图像语义分割
B:目标检测中的分类
C:目标检测中的检测框估计
D:图像深度估计
答案: 【目标检测中的检测框估计;
图像深度估计

3、 问题:当神经网络训练中出现了过拟合情况,可采用以下哪些方法进行优化。
选项:
A:增加训练数据
B:增加模型层数或单元数
C:增加训练时长
D:采用Dropout,L2范数等规则化方法
答案: 【增加训练数据;
采用Dropout,L2范数等规则化方法

4、 问题:在随机采样一致性算法的每次迭代中,可使用最小二乘法实现对模型参数的估计。
选项:
A:正确
B:错误
答案: 【正确

5、 问题:在构建SIFT特征描述子时,对于一般情况而言,每个cell中含()维方向直方图。
答案: 【32

【作业】第五章 视觉特征与神经网络 第五章作业

1、 问题:请描述批量梯度下降和随机梯度下降的相同和不同之处。
评分规则: 【 相同之处包括参数初始化、损失函数的计算公式和更新策略。
不同之处在于每次迭代用到样本数量,后者采用随机采样的方式。

第六章 视觉感知技术 第六章单元测验

1、 问题:以下哪一种情况对应语义分割中的实例分割?
选项:
A:检测出图像中的车辆和行人数量
B:识别图像中道路可行使区域
C:识别图像中行人像素分布并对不同行人进行区分
D:估计图像中不同车辆的三维位置
答案: 【识别图像中行人像素分布并对不同行人进行区分

2、 问题:采用从2D到3D的目标检测器,可能存在以下缺点:
选项:
A:3D检测器受限于2D检测器性能
B:遮挡问题在2D检测中难以处理
C:需要先验场景信息
D:目标类别无法获得
答案: 【3D检测器受限于2D检测器性能;
遮挡问题在2D检测中难以处理

3、 问题:在目标检测中,一般只使用IOU作为检测准确率的评判依据。
选项:
A:正确
B:错误
答案: 【错误
分析:【需结合IOU和目标score一起进行评估

4、 问题:设定的IOU或score阈值越高,表明对目标检测器性能评估越严格,一般对应的评估分数也越低。
选项:
A:正确

本门课程剩余章节答案为付费内容
本文章不含期末不含主观题!!
本文章不含期末不含主观题!!
支付后可长期查看
有疑问请添加客服QQ 2356025045反馈
如遇卡顿看不了请换个浏览器即可打开
请看清楚了再购买哦,电子资源购买后不支持退款哦

   

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注