蘑菇車聯(lián)多項(xiàng)算法獲許多國(guó)際權(quán)威學(xué)術(shù)機(jī)構(gòu)認(rèn)可

近日，蘑菇車聯(lián)斬獲自動(dòng)駕駛領(lǐng)域權(quán)威評(píng)測(cè)數(shù)據(jù)集nuScene

s激光雷達(dá)語義分割任務(wù)（lidar segmentation task）

榜單世界第一；去年，

蘑菇車聯(lián)

跟蹤算法“CAMO-MOT”獲該榜單跟蹤榜世界第一。

該榜單競(jìng)爭(zhēng)者包括谷歌研究院、華為諾亞方舟等頭部科技公司，及麻省理工學(xué)院、香港中文大學(xué)、浙江大學(xué)等高等院校。

nuScene

s激光雷達(dá)語義分割任務(wù)榜單

NuScenes是被全球各大自動(dòng)駕駛領(lǐng)域相關(guān)公司引用最多的數(shù)據(jù)集，其權(quán)威性得到各方認(rèn)同?；贜uScenes數(shù)據(jù)集的單項(xiàng)任務(wù)挑戰(zhàn)賽，已經(jīng)成為檢驗(yàn)感知算法在自動(dòng)駕駛相關(guān)任務(wù)性能的試金石。

得益于實(shí)時(shí)、精細(xì)且結(jié)構(gòu)化的感知能力，激光雷達(dá)幾乎成為自動(dòng)駕駛感知模塊的標(biāo)配。自動(dòng)駕駛車輛通過激光雷達(dá)感知環(huán)境，還需要通過算法來“理解”環(huán)境，這就需要對(duì)激光雷達(dá)生成的大量點(diǎn)云數(shù)據(jù)進(jìn)行解釋。

nuScenes激光雷達(dá)語義分割任務(wù)就是要準(zhǔn)確地對(duì)激光雷達(dá)場(chǎng)景中的每個(gè)點(diǎn)云進(jìn)行語義分類，比如車輛、行人、地面、建筑物、植被等。只有讓自動(dòng)駕駛車輛“理解”這些點(diǎn)云的語義信息，才能做出合理的軌跡決策規(guī)劃。

語義分割任務(wù)的難點(diǎn)在于如何高效地融合多傳感器信息。例如，對(duì)于配備RGB攝像頭和激光雷達(dá)的自動(dòng)駕駛汽車，至關(guān)重要的是融合來自不同傳感器的互補(bǔ)信息，以實(shí)現(xiàn)穩(wěn)健和準(zhǔn)確分割。

蘑菇車聯(lián)團(tuán)隊(duì)的方法

是將分割過程分為兩個(gè)階段。第一階段只考慮激光雷達(dá)傳感器，來提取語義特征；第二階段采用精心設(shè)計(jì)的注意力模塊

自適應(yīng)地融合第一階段的語義特征和圖像2D實(shí)例分割結(jié)果。實(shí)驗(yàn)表明，蘑菇車聯(lián)團(tuán)隊(duì)所提出的注意力模塊優(yōu)于簡(jiǎn)單的特征融合模塊（如concat、add、channel attention），尤其是在雨天、夜間等相機(jī)質(zhì)量下降的情況。

蘑菇車聯(lián)算法下的

激光雷達(dá)語義分割

蘑菇車聯(lián)持續(xù)在自動(dòng)駕駛前沿技術(shù)領(lǐng)域?qū)崿F(xiàn)突破，相關(guān)研究成果涵蓋目標(biāo)分割、目標(biāo)識(shí)別、目標(biāo)跟蹤、融合感知以及交通參與者軌跡預(yù)測(cè)等重要環(huán)節(jié)。截至目前，蘑菇車聯(lián)多項(xiàng)算法

在國(guó)際

權(quán)威數(shù)據(jù)集榜單中排名居于前列，包括KITTI、nuScenes等，研究成果被ICRA、IROS、IEEE等國(guó)際權(quán)威學(xué)術(shù)機(jī)構(gòu)認(rèn)可。