达摩院自动驾驶算法实现识别“厘米级”障碍物 将应用于无人物流车

本篇文章742字，读完约2分钟

凤凰网科技新闻5月8日消息，在自动驾驶权威数据集语义kitti上，达摩研究所算法获得“单帧三维点云语义分割”排名第一。该技术应用于达摩研究所的无人物流车辆后，大大提高了车辆详细了解环境的能力，使车辆能够识别“厘米级”障碍物。

Kitti数据集是世界上最权威的自动驾驶计算机算法评估数据集。为了促进基于激光的语义分割研究，kitti引入了语义kitti这一细分数据集，通过平均交叉率(miou)和整体准确率两个指标来检验竞争对手的技术能力。达摩研究所团队在两项指标的评估中都获得了第一名。

点云是具有三维坐标、强度等信息的激光点的集合，是计算机视觉领域中常用的三维数据表示。自动驾驶车辆通常通过激光雷达、照相机和毫米波雷达等传感器来识别环境信息。对于激光雷达获取的周围环境的三维点云，识别每个点的语义标签称为“三维点云语义分割”。

△原始点云显示在左侧，语义分割后的点云显示在右侧。自动驾驶车辆识别行人、车辆、树木、建筑物和其他物体。

除了行人和车辆等常规检测目标之外，道路周围的建筑物、绿色植物和未知障碍物也会影响自主车辆的驾驶行为。三维点云语义分割技术的目标是帮助车辆更仔细地理解道路环境。

达摩研究所自动驾驶实验室资深算法专家清泉表示，行业范围内的点云局部上下文特征建模方法不能满足自动驾驶实时、准确的感知需求。达摩研究所提出的新算法以激光点为载体，从鸟瞰视角和前视视角结合每个三维点的邻域特征，通过多层级联编码学习特征，大大增强了三维点的特征表示能力，从而提高了语义识别的准确性。

该算法应用于达摩学院无人驾驶物流车辆后，车辆对障碍物的精细识别水平有了很大提高。例如，如果你在开车时遇到一条临时升起的警戒线，即使这条警戒线的宽度只有3厘米，物流车辆也可以很容易地识别并绕行。

来源：搜狐微门户