该研究使用深度学习和统计假设检验的方法，结合贝叶斯框架，开发了一种检测自动驾驶汽车道路障碍物的系统。该系统在失物招领数据集上取得了50%的性能提升和超过90%的检测率，操作频率达到22 Hz。

该文介绍了一种利用外观、语境和几何线索来检测自动驾驶汽车道路中障碍物的方法。该方法基于深度学习的完全卷积网络和基于模型的统计假设检验的最新检测方法，并结合了一个系统的贝叶斯框架。通过在失物招领数据集上评估，该系统相对性能提高了50%，在50米内的检测率超过90%，在自动驾驶平台上的操作频率达到了22Hz。