近日，德國專業(yè)汽車行業(yè)雜志HANSERautomotive就浪潮信息算法團隊在自動駕駛領域所取得的核心突破，進行專題署名文章報道“Wahrnehmungssysteme und 3D-Objekterkennung Alles im Blick”(《感知系統(tǒng)和三維物體識別，一切盡收眼底》)。針對AI感知技術對于自動駕駛產(chǎn)業(yè)化落地的變革式意義，《HANSERautomotive》文章指出，“3D目標檢測作為自動駕駛領域至關重要的核心任務，面向強大的環(huán)境感知，先進的AI算法及融合架構感知技術，為實現(xiàn)高魯棒、高精度的目標檢測提供了至關重要的信息輸入，平臺算力和感知算法的效率提升與創(chuàng)新突破，也成為了車企發(fā)展自動駕駛能力的關鍵技術?！?/p>
目前，在全球權威的自動駕駛nuScenes競賽最新評測中，浪潮信息算法團隊所提交的“IEI-BEVFusion++”算法模型在關鍵性指標nuScenes Detection Score(NDS)得到77.6%的高分，創(chuàng)造了3D目標檢測全賽道迄今最高成績。
【HANSERautomotive作為德國Top級汽車電子行業(yè)媒體，旨在持續(xù)賦能汽車電子開發(fā)、項目、應用和測試領域的工程師，為全球汽車領域的行業(yè)高管與最重要的利益相關者，提供產(chǎn)品、系統(tǒng)、趨勢和時事，在電信/數(shù)據(jù)通信、消費和工業(yè)等行業(yè)領域做出更好的決策?！?/p>
附《HANSERautomotive》詳細報道(原文譯釋)： 自動駕駛將從頭開始改變移動行業(yè)，是汽車制造商和人工智能公司關注的重點領域。自動駕駛技術的核心是基于算法的 3D 物體識別，它被認為是自動駕駛汽車環(huán)境感知的核心。至關重要的是，車輛使用各種傳感器來估計其環(huán)境中人、車輛和物體在三維空間中的距離。以下文章解釋了不同傳感器的工作原理以及它們之間的交互方式。自動駕駛核心感知任務——3D目標檢測從自動駕駛分類來看，目前的自動駕駛技術有兩大類。一種是以直接達到Level 4(高度駕駛自動化)為目標的激進派，另一種是從Level 2(輔助駕駛)逐步提升自動駕駛等級的漸進派。但無論是Level 2還是Level 4，從整體架構來看，大致可以分為感知、決策和控制三個部分。感知是自動駕駛汽車的眼睛，猶如人類的眼睛為大腦提供 70% 以上的信息類似，感知系統(tǒng)也為自動駕駛汽車的外部環(huán)境提供信息。自動駕駛的感知依賴于各種傳感器的信息，包括攝像頭、雷達、激光雷達等，其中最核心的就是相機和激光雷達。自動駕駛面對的是一個3維的環(huán)境空間，甚至我們可以這么說，因為自動駕駛車輛要在環(huán)境空間中移動，且環(huán)境空間中其他的行人、車輛也會移動，可見自動駕駛面臨的是一個4D時空系統(tǒng)(3D空間+1D時間)。自動駕駛汽車需要在三維空間中判斷周圍人、車、物之間的距離。在此基礎上，還需要判斷它們是靜態(tài)的還是動態(tài)的，以及移動的方向和速度等信息，我們一般稱之為3D目標檢測任務。 3D物體檢測任務可以看作是自動駕駛中的最核心感知任務。當然，除此之外，其他感知任務還包括識別紅綠燈、交通標志、車道、斑馬線等道路信息。
(圖注：3D 目標檢測圖。 3D目標定義為一個盒子，(x,y,z)為盒子的中心坐標，(l,w,h)為長寬高，θ為航向角。 Class 是 3D 目標的類別。 Vx 和 vy 描述了地面上 3D 目標沿 x 和 y 軸的速度。)
傳感器：激光雷達長期以來，激光雷達一直被認為是自動駕駛汽車不可或缺的部件之一，因為激光雷達可以提供車輛周圍環(huán)境最準確的3D感知。激光雷達采集到的點云信息天然就存儲著3D空間信息，因此對于基于點云信息的3D目標檢測來說，算法設計就簡單很多，也誕生了一系列的經(jīng)典模型，如PointPillar、SECOND、SSSD等。然而，激光雷達的成本也成為了自動駕駛落地的最大瓶頸，激光雷達比汽車貴的問題，成為其上車和量產(chǎn)的最大障礙。雖然這些年激光雷達的價格隨著技術的進步有了明顯的下降，但是能夠滿足L4需求的激光雷達的價格還是偏高。
傳感器：相機攝像頭是自動駕駛汽車的另一個非常重要的傳感器。由于激光雷達采集的點云信息沒有顏色和紋理，無法識別紅綠燈、交通標志、車道、斑馬線等人類容易識別的道路信息。因此，仍然需要攝像頭作為輔助傳感器。但是，這會導致多模態(tài)的信息融合問題。簡而言之，激光雷達主要擅長對車輛和行人的3D信息的感知，而攝像頭擅長于對紅綠燈、車道線等具有豐富視覺紋理特征的信息的感知。此外，相機在量產(chǎn)成本和價格方面也具有無可比擬的優(yōu)勢。例如，特斯拉搭載的單個單目攝像頭成本僅為25美元，整車8個攝像頭的價格僅為200美元。僅使用相機傳感器，借助強大的人工智能算法，可以實現(xiàn)精確的3D物體檢測任務，這意味著不使用激光雷達傳感器的自動駕駛成為可能?；趫D像的3D目標檢測算法在計算機視覺領域，近年來涌現(xiàn)了大量的分類、檢測、分割模型，如ResNet、YOLO、Mask RCNN等，這些AI模型已廣泛應用于安防、交通、和自動駕駛。然而，核心問題之一是這些模型是為 2D 圖像設計的，不能直接應用于 3D 對象檢測任務?；趫D像的3D物體檢測的核心問題是如何準確估計圖像中物體的深度。由于相機拍攝的照片和視頻將3D空間投影到2D平面，丟失了深度信息，如何恢復深度信息是一個“病態(tài)問題”。也就是說，問題的解決方案可能不是唯一的。因此，長期以來，基于圖像的3D目標檢測算法的性能一直遠低于基于激光雷達的3D目標檢測算法。自從特斯拉僅使用攝像頭的FSD駕駛系統(tǒng)取得了一定的成功后，基于視覺的自動駕駛感知方案就越來越受到業(yè)界的關注。同時，隨著數(shù)據(jù)、算法、算力等方面的進步，純視覺自動駕駛感知方案在3D目標檢測任務中的性能較去年的激光雷達有明顯提升。NuScenes 數(shù)據(jù)集自動駕駛數(shù)據(jù)集的出現(xiàn)時間更長，傳感器更多，采集時間更長。 NuScenes 數(shù)據(jù)集由 Motive 于 2019 年開發(fā)并發(fā)布，采集于波士頓和新加坡街頭。為了獲取有意義的場景數(shù)據(jù)，我們收集了大約 15 小時的駕駛數(shù)據(jù)，并精心選擇了涵蓋不同場景的駕駛路線。采集車搭載傳感器，包括6個攝像頭、1個激光雷達、5個毫米波雷達、GPS、IMU，具有360°視場感知。
(圖注：安裝在 NuScenes 數(shù)據(jù)集采集車上的傳感器放置位置圖。它配備了6個攝像頭、1個激光雷達和5個毫米波雷達。)
NuScenes 數(shù)據(jù)集提供了幾個評估任務，包括 3D 對象檢測、3D 對象跟蹤、預測軌跡、激光雷達分割、全景分割和跟蹤。 3D 物體檢測任務的目標是檢測 NuScenes 數(shù)據(jù)集中的 10 種不同類型的檢測物體，包括汽車、卡車、自行車和行人。檢測信息除了物體的三維位置外，還包括物體的大小、方向和速度。 NuScenes提出了一個綜合的NDS指標，即NuScenes Detection Score(NDS)，它由平均準確度(mAP)、平均平移誤差(ATE)、平均尺度誤差(ASE)、平均方向誤差(AOE)、平均速度誤差組成(AVE) 和平均屬性誤差 (AAE)。
(圖注：NuScenes 數(shù)據(jù)集中六個攝像頭采集的圖像示意圖。)
除了NuScenes，業(yè)界還有Waymo、ONCE等開源數(shù)據(jù)集。然而，NuScenes 是目前使用最多的數(shù)據(jù)集。自發(fā)布以來，NuScenes 數(shù)據(jù)集已被 2000 多篇研究論文引用。 NuScenes Challenge也成為測試感知算法在自動駕駛相關任務中表現(xiàn)的試金石。它吸引了來自世界各地的研究團隊提交的 220 多份論文。近期，PhiGent Robotics、縱目科技、ECARX等車企的研發(fā)團隊也出現(xiàn)在了NuScenes的名單中。‘
NuScenes提供了一個常年更新的榜單，目前一共有50余次提交，其中大多數(shù)的提交發(fā)生在2022年。目前全榜單排名第一的則是浪潮信息算法團隊所提交的“IEI-BEVFusion++”算法模型，關鍵性指標nuScenes Detection Score(NDS)0.776的高分，創(chuàng)造了3D目標檢測全賽道迄今最高成績。
另外，在純視覺賽道，算法團隊在2022年所提交的“DABNet4D”模型，綜合檢測精度NDS 0.624的檢測效果也一舉登頂屆時該賽道的榜首。相比之下，2022年初排名第一的BEV3D算法的NDS精度是0.474，也就是說在不到一年的時間內(nèi)，NuScenes 純視覺3D目標檢測的NDS指標提升了15個點。基于純視覺算法和激光雷達算法的精度差距也從年初的45%縮小到17%，而這些，均得益于純視覺3D檢測算法優(yōu)化帶來的性能提升。
展望未來在自動駕駛落地的產(chǎn)業(yè)化進程中，感知技術作為自動駕駛的核心技術模塊，既是起點也是基石。而未來，面向自動駕駛感知算法的研發(fā)，也將會投入更為強大的人工智能計算平臺予以支撐。從NuScenes榜單技術的快速迭代來看，我們有理由相信，隨著算力、算法的持續(xù)型突破，自動駕駛產(chǎn)業(yè)化落地進程也將多一層“騰飛動力之源”。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
