查看原文
其他

元戎启行获自动驾驶权威测评第一,精准感知让车辆更“聪明” | 同行者

与创业者共创业的 复星锐正 2021-04-08

近日,复星锐正被投企业元戎启行自主研发的感知算法,在自动驾驶权威数据集Semantic KITTI“3D点云语义分割”的单次扫描赛道排行榜上斩获第一

KITTI是全球最大的自动驾驶计算机算法评测数据集。基于KITTI的自动驾驶数据集,Semantic KITTI在2019年问世,推动了基于LiDAR的语义分割研究。在Semantic KITTI “全类别分割平均交并比(mIoU)”指标上,元戎启行获得第一名,超过阿里巴巴达摩院自动驾驶实验室

Semantic KITTI展示



斩获多项第一,“更聪明”的自动驾驶系统


榜单上,除了获得mIoU指标获得第一之外,元戎启行的自研感知算法在树干、行人、骑行者(trunk, person, bicyclist)三个场景中获得了第一名,在汽车、卡车(car, truck)两个场景中分别获得第二名与第四名。这证明了元戎启行的算法可以精确感知形状更小、轮廓更复杂且不对称的物体。元戎启行将会把感知算法运用在L4级自动驾驶系统中,可以让系统更“聪明”地理解所处道路环境,加快系统的推理速度、时间,精准地在点级别上感知行人、行车、周围建筑、绿化、障碍物等,提供对周围的环境和物体细粒度的理解能力。
6月17日Semantic KITTI榜单截图


语义分割提供的细粒度理解对于区分可驾驶表面、不可驾驶表面,及推断路面的功能属性(如:停车区,人行道)是必要的。首先,目前的高精度地图上,细粒度理解主要利用测绘工具,由人工标注预先生成,而通过语义分割,可以自动提供高精度地图标注信息。同时,为了保证自动驾驶汽车在未绘制地图的区域内稳定行驶,自动驾驶系统需要根据环境变化,实时调整车辆的规划与控制——语义分割也为此提供了重要的信息来源。
预测可视化


自研感知算法,优化下的3D点云语义分割技术 


点云是计算机视觉领域常用的三维数据表示方式,包含了物体的丰富信息(三维坐标、颜色、分类值、强度值、时间等)。自动驾驶中用到的3D点云语义分割技术,从车辆周围的环境中,识别并分析出不同的物体。业内使用方法大都分为两种:

(1)以point为载体进行特征提取,这类方法需要对点云进行采样和插值,操作大多较为耗时,无法满足自动驾驶的实时性需求;
(2)将点云体素化,以体素为单位进行特征聚合,投影到2D上(如鸟瞰、前视图等),再通过2D的分割方法进行特征提取——这类方法的速度较快,但由于3D特征转2D的过程中丢失了部分信息,特征提取的效率较差。元戎启行自研的感知算法,对LiDAR点云进行3D体素化表征,同时引入可变卷积对庞大的3D特征直接进行处理,提取到点云的3D特征,在提高网络语义感知精度的同时,达到实时的处理速度。
点云3D像素化

往期阅读


开思获5000万美元C2轮融资,持续领跑中国汽车后市场 | 同行者

对话福布斯:疫情之下的印度物流新航标Delhivery | 同行者


复星锐正刘方未:消费元年来临,疫情下的财富重组与消费分层 | 锐·观点


觉得好看,请点击“在看”分享!

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存