当前位置:首页 > 科技前沿 > 正文

山东德州新闻网:阿里巴巴自动驾驶新突破:3D物体检测精度与速度实现兼得

03-21 科技前沿

阳光娱乐

阳光娱乐(原诚信在线官网)现已开放阳光在线手机版、阳光在线电脑客户端下载。阳光在线娱乐戏公平、公开、公正,用实力赢取信誉。

,

点击上方“飞灵汽车”,“星标或置顶公众号

关键行业资讯,第一时间送达!

————————


3月19日,阿里巴巴达摩院宣布近日有论文入选计算机视觉顶会CVPR 2020。论文提出一个通用、高性能的自动驾驶检测器,可兼顾3D物体的检测精度和速度,提升自动驾驶系统安全性能,两者兼得的实现在业界尚属首次。 


该论文团队表示,检测器的创新是自动驾驶领域落地的关键突破口,此次提出的检测器融合了单阶段检测器和两阶段检测器的优势,因此同时实现了3D检测精读和速度的提升,未来检测器的创新研究还可以解决自动驾驶产业的更多难题。其团队作者均来自阿里巴巴达摩院,第一作者为达摩院研究实习生Chenhang He,其他作者还包括达摩院高级研究员、IEEE Fellow华先胜,达摩院高级研究员、IEEE Fellow张磊等。 


据了解,自动驾驶检测器是自动驾驶具备感知能力的核心组件,检测器需要快速处理、分析传感器、激光雷达等采集的多维信息,使车辆识别周围环境物体,并对物体在三维空间中的位置进行精准定位,这个过程需要3D目标检测的辅助。



与使用RGB图像进行目标检测,以输出物体类别和在图像上2D bounding box的2D检测方式不同,3D目标检测需要使用RGB图像、RGB-D深度图像和激光点云的方式来实现,最终输出物体类别及在三维空间中的长宽高、旋转角等信息。 


对于自动驾驶而言,其需要从现实世界中估计更具信息量的3D边界框,以完成诸如路径规划和避免碰撞之类的高级任务。为确保自动驾驶的安全,3D检测的精度和速度缺一不可。但就目前两种基于点云的3D物体检测的主要架构而言,单阶段检测器和两阶段检测器尚无法能兼顾两项指标。



对此,达摩院在论文中提出在训练中利用一个辅助网络来解决以上问题。具体而言,其能够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,从而使卷积特征也具有结构感知能力,进而提高检测精度。与此同时,在做模型推断时,辅助网络并不参与计算(detached),单阶段检测器的检测效率得以保证。

申博Sunbet官网声明:该文看法仅代表作者自己,与本平台无关。 转载请保留链接: https://www.eyaeya.com/Sunbet/keijiqianyan/2020/0321/1497.html

博客主人

友情链接