达摩院再获自动驾驶测评第一 可识别厘米级障碍物

发布:cyqdesign 2020-05-08 20:40 阅读:4334
5月8日,在自动驾驶权威数据集Semantic KITTI上,达摩院凭借全新算法在“单帧3D点云语义分割”排行榜获得第一。该技术用于达摩院的无人物流车后,大幅提升了车辆的环境精细化理解能力,使车辆能够识别“厘米级”障碍物。 R|$[U  
K`~BL=KI  
KITTI数据集是全球最权威的自动驾驶计算机算法评测数据集,为促进基于激光的语义分割研究,KITTI推出了细分数据集Semantic KITTI,通过全类别分割平均交并比(mIOU)和整体准确率(accuracy)两大指标,考察参赛者的技术能力。达摩院团队在两项指标的评比中均拿下第一。 [\88@B=jXP  
QP+c?ct}hF  
点云(Point Cloud)是拥有三维坐标、强度等信息的激光点的集合,是计算机视觉领域常用的三维数据表示方式。自动驾驶车辆通常借助激光雷达摄像头、毫米波雷达等传感器识别环境信息。对于激光雷达获取的周围环境的3D点云,识别每个点的语义标签,就是“3D点云语义分割”。 tnN'V  
^t`f1rGR  
,zG<7~m  
图左为原始点云,图右为经过语义分割的点云,自动驾驶车辆辨别出了行人、车辆、树木、建筑等物体。
D9,e3.?p  
除了行人、车辆等常规检测目标,道路周围的建筑、绿化、不明障碍物也会影响自动驾驶车辆的驾驶行为,3D点云语义分割技术的目标,便是帮助车辆更精细地理解道路环境。 qPqy4V. ;  
O1|B3M[P  
<8g=BWA  
达摩院自动驾驶实验室资深算法专家卿泉介绍,业界通用的点云局部上下文特征建模方法难以满足自动驾驶实时、精准的感知需求。达摩院提出的新算法以激光点为载体,结合每个3D点在鸟瞰、前视等视角下的邻域特征,通过多层级联编码进行特征学习,很大增强3D点的特征表示能力,由此提高了语义识别的准确性。 sE-x"c  
Q6eN+i2 ;  
该算法应用于达摩院的无人物流车后,车辆对障碍物的精细化识别水平大幅提升。比如在行驶途中遇到临时拉起的警戒线,即便线宽仅有3厘米,物流车也能轻松识别并绕道而行。
关键词: 自动驾驶
分享到:

最新评论

stoutman 2020-05-09 09:05
该算法应用于达摩院的无人物流车后,车辆对障碍物的精细化识别水平大幅提升。
wyj 2020-05-09 09:10
识别厘米级障碍物
wmh1985 2020-05-09 09:21
点云(Point Cloud)是拥有三维坐标、强度等信息的激光点的集合,是计算机视觉领域常用的三维数据表示方式。自动驾驶车辆通常借助激光雷达、摄像头、毫米波雷达等传感器识别环境信息。对于激光雷达获取的周围环境的3D点云,识别每个点的语义标签,就是“3D点云语义分割”。
james951 2020-05-09 09:34
精度很高吗
不懂想问 2020-05-09 09:38
可识别厘米级障碍物
maiwudi 2020-05-09 09:42
达摩院加油
青天如墨 2020-05-09 10:08
总是在突破总是实用不了 GibggOj2Q,  
liu.wade 2020-05-09 10:10
精度很高吗
fiberlaser 2020-05-09 10:15
自动驾驶测评是谁评的?
12
我要发表 我要评论
限 50000 字节
关于我们
网站介绍
免责声明
加入我们
联系我们
服务项目
稿件投递
广告投放
人才招聘
团购天下
帮助中心
新手入门
发帖回帖
充值VIP
其它功能
站内工具
清除Cookies
无图版
手机浏览
网站统计
微信
扫一扫,关注光行天下的微信公众号!
微博
扫一扫,关注光行天下的新浪微博!
手机APP
扫一扫,下载安装光行天下的手机APP!
9652202 cyqdesign
主办方:成都光行天下科技有限公司
Copyright © 2005-2024 光行天下 蜀ICP备06003254号-1