阿里达摩院突破自动驾驶技术难题

摩院研究团队表示：“检测器是自动驾驶系统的核心组件之一，但该领域一直缺少创新和突破，此次我们实现3D检测精读和速度的提升，将有助于提高自动驾驶系统的安全性。”

从实验结果来看，他们显然取得了良好进展，而且研究的主要完成人员（一作），还是一名达摩院的实习生。

同时，该研究也得到了同行们的认可，被计算机视觉领域顶级会议CVPR 2020收录。他们是如何做到的呢？我们借助阿里达摩院提供的解读，一一来看。

如何实现精度和速度兼得？

众所周知，与普通2D图像识别应用不同，自动驾驶系统对精度和速度的要求更高，不仅需要快速识别周围环境的物体，还要对物体在三维空间中的位置做精准定位。

仅靠传感器和算法模型，通常无法平衡视觉识别的精度和速度。因此，检测器成为提升自动驾驶系统安全性的一个关键因素。

 

年研究，当前业界主流的单阶段检测器在检测速度上很好，但在检测精度却差强人意。

这就是达摩院研究的出发点：寻找一种能二者兼得的方法。

他们提出的思路是：将两阶段检测器中对特征进行细粒度刻画的思想，移植到单阶段检测中。

在他们的模型中，用于部署的检测器， 即推断网络， 由一个骨干网络和检测头组成。

骨干网络用3D的稀疏网络实现，用于提取含有高语义的体素特征。检测头将体素特征压缩成鸟瞰图表示，并在上面运行2D全卷积网络来预测3D物体框。

他们在训练中利用一个辅助网络将单阶段检测器中的体素特征，转化为点级特征并施加一定的监督信号。

在实现上，他们将卷积特征中的非零信号映射到原始的点云空间中， 然后在每个点上进行插值，来获取卷积特征的点级表示。使得卷积特征也具有结构感知能力，来提高检测精度。


 

（编辑：鞍山站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!