「顧大局，識(shí)大體」，Nullmax BEV障礙物檢測的超級(jí)視野

感知周圍環(huán)境是自動(dòng)駕駛開展一切工作的前提，在相對(duì)靜止的各式場景中，不同類型的障礙物以多種多樣的運(yùn)動(dòng)方式參與到交通之中，于是形成了千變?nèi)f化的交通情形。

因此障礙物的檢測，一直都是自動(dòng)駕駛感知的核心任務(wù)。系統(tǒng)需要通過傳感器數(shù)據(jù)，識(shí)別出周圍存在的障礙物并計(jì)算各自的位置、速度等信息，然后轉(zhuǎn)換為BEV視角的感知結(jié)果輸出給下游，用來規(guī)劃軌跡、避免碰撞。

所以在近年，一步到位的BEV障礙物檢測成為了自動(dòng)駕駛的研究熱點(diǎn)。尤其在多相機(jī)感知系統(tǒng)中，BEV能夠有效融合不同視角的空間信息，為目標(biāo)檢測與跟蹤、車道線檢測等任務(wù)帶來全方位提升。

作為自動(dòng)駕駛量產(chǎn)應(yīng)用的引領(lǐng)企業(yè)，Nullmax從2020年開始了BEV早期研發(fā)，并在去年率先幫助客戶落地了BEV障礙物檢測的量產(chǎn)應(yīng)用，提升車輛的全方位感知能力。當(dāng)前，這項(xiàng)感知功能正作為Nullmax BEV-AI整體技術(shù)架構(gòu)的一部分，應(yīng)用到更多量產(chǎn)項(xiàng)目之中。

障礙物檢測需要BEV

對(duì)于自動(dòng)駕駛量產(chǎn)來說，由于傳統(tǒng)基于圖像視角的障礙物檢測算法所依賴的感知后處理和跨相機(jī)融合等方面存在的一些不足，障礙物檢測的效果不盡理想。

一方面，傳統(tǒng)算法普遍首先基于深度學(xué)習(xí)在圖像視角完成目標(biāo)檢測，然后通過復(fù)雜的后處理將其轉(zhuǎn)換至三維BEV視角。這不僅讓整個(gè)流程變得復(fù)雜，消耗更多算力，而且對(duì)場景的應(yīng)對(duì)能力也存在不足。

所以，直接在BEV視角下輸出三維目標(biāo)檢測結(jié)果的算法受到了廣泛歡迎。比如Nullmax的BEV 3D目標(biāo)檢測算法，通過輸入的2D圖像直接端到端輸出BEV視角的3D目標(biāo)信息，不僅檢測性能進(jìn)一步提高，而且由于不需要額外的后處理步驟，整個(gè)算法的開發(fā)和升級(jí)維護(hù)也變得更加高效簡潔。

BEV 3D目標(biāo)檢測輸出更精準(zhǔn)的三維尺寸

另一方面，在傳統(tǒng)多相機(jī)感知系統(tǒng)中，因?yàn)橥ǔＪ敲總€(gè)相機(jī)先單獨(dú)進(jìn)行檢測，然后再融合各相機(jī)結(jié)果，所以系統(tǒng)的工作量較大。此外，跨相機(jī)融合的時(shí)候也可能出現(xiàn)問題。典型的例子，就是車輛從一個(gè)相機(jī)視野駛?cè)肓硪粋€(gè)相機(jī)視野的過程中，可能被識(shí)別為兩個(gè)目標(biāo)。

BEV多相機(jī)的障礙物ReID效果更佳

但是在BEV視角下，隱式跨相機(jī)的融合就可以變得更加簡潔和高效。比如Nullmax采取的多相機(jī)聯(lián)合方案，所有相機(jī)的圖像輸入到一個(gè)神經(jīng)網(wǎng)絡(luò)中，然后生成全局BEV視角的特征圖，并直接輸出統(tǒng)一的感知結(jié)果，從而減少了額外的跨相機(jī)障礙物ReID（重識(shí)別）步驟。

因此在高階智駕不斷上車的今天，BEV目標(biāo)檢測已經(jīng)被看作是車輛實(shí)現(xiàn)障礙物檢測的首選方法，BEV感知算法的研發(fā)和應(yīng)用也成為了新的行業(yè)浪潮。

與眾不同的BEV 3D目標(biāo)檢測

作為最早開始BEV系統(tǒng)性研發(fā)的自動(dòng)駕駛公司之一，Nullmax積累了大量的BEV感知技術(shù)，包括靜態(tài)場景理解以及動(dòng)態(tài)障礙物的檢測及預(yù)測，并且將技術(shù)向下游延伸，構(gòu)建了平臺(tái)化的BEV-AI自動(dòng)駕駛整體技術(shù)架構(gòu)。

BEV 3D障礙物檢測算法正是這套架構(gòu)的核心組成，其不僅具備非常出色的性能表現(xiàn)，而且在落地方面也尤為高效。

Nullmax BEV障礙物檢測相比于常規(guī)的障礙物檢測，最大的特點(diǎn)是「顧大局，識(shí)大體」。常規(guī)檢測方式由于各相機(jī)單獨(dú)工作的原因，對(duì)視野截?cái)嘬囕v、大型障礙物目標(biāo)的檢測效果欠佳。但是Nullmax的檢測是在BEV視角下進(jìn)行統(tǒng)一的計(jì)算，跨視野的目標(biāo)不會(huì)被識(shí)別成多個(gè)目標(biāo)，占滿單個(gè)相機(jī)視野的大型障礙物也能在范圍更大的全局視野中得到更好觀測。

并且由于BEV在空間、時(shí)序信息融合方面更具優(yōu)勢，Nullmax的BEV障礙物檢測方案可以將3D目標(biāo)檢測升維成4D目標(biāo)檢測，實(shí)現(xiàn)更穩(wěn)定的檢測、跟蹤與預(yù)測。這種時(shí)序信息帶來的短時(shí)記憶力，能讓障礙物檢測具備更強(qiáng)的處理遮擋能力。

相比于其他的BEV障礙物檢測方案，Nullmax方案還具有可進(jìn)行超遠(yuǎn)距離感知的特點(diǎn)。由于算法設(shè)計(jì)和車載平臺(tái)算力有限等方面的原因，常規(guī)BEV方案有效感知的距離通常為數(shù)十米遠(yuǎn)，但是Nullmax的BEV方案可高效突破100米，甚至可有效檢測200米遠(yuǎn)的障礙物目標(biāo)，在各種量產(chǎn)配置下都能達(dá)到頂尖的性能指標(biāo)。

同時(shí)，因?yàn)檐囕d平臺(tái)部署的需要，Nullmax的BEV障礙物檢測算法可以支持高、中、低不同算力的平臺(tái)。從數(shù)百T算力到2T算力，Nullmax的BEV目標(biāo)檢測算法都能靈活部署，既可以實(shí)現(xiàn)最極致的任務(wù)性能，也能在有限計(jì)算資源下提供最均衡的結(jié)果輸出。比如，基于8T算力和4顆側(cè)視相機(jī)的BEV 3D障礙物檢測應(yīng)用。

除此之外，Nullmax的BEV目標(biāo)檢測算法還能支持任意的傳感器配置，對(duì)相機(jī)的數(shù)量、安裝位置、內(nèi)部參數(shù)等情況自動(dòng)適配。換言之，無論是前視、側(cè)視、后視、環(huán)視組成的多相機(jī)系統(tǒng)，還是單個(gè)相機(jī)，這套算法能夠快速地部署。

目前，Nullmax的BEV 3D障礙物檢測算法已經(jīng)在量產(chǎn)車型實(shí)現(xiàn)了大規(guī)模的上路應(yīng)用，而且今年還將完成更多項(xiàng)目的交付，為更多量產(chǎn)車型帶來開掛一般的全局視野感知能力。

結(jié)語

BEV的「俯瞰全場」屬性，可以為自動(dòng)駕駛障礙物檢測帶來質(zhì)的提升，Nullmax將繼續(xù)通過領(lǐng)先的BEV障礙物檢測算法，幫助車輛實(shí)現(xiàn)復(fù)雜環(huán)境下的精準(zhǔn)感知，并基于平臺(tái)化的BEV-AI技術(shù)架構(gòu)，為客戶的量產(chǎn)應(yīng)用帶來更大價(jià)值。

審核編輯 ：李倩