「自動駕駛新青年講座」由智東西公開課全新企劃，將邀請全球知名高校、頂尖研究機構(gòu)以及優(yōu)秀企業(yè)的新青年，主講在環(huán)境感知、精準定位、決策規(guī)劃、控制執(zhí)行等自動駕駛關(guān)鍵技術(shù)上的最新研究成果和開發(fā)實踐。
有興趣分享的朋友，可以與智東西公開課教研團隊進行郵件（class@zhidx.com）聯(lián)系。
在過去的幾年里，人們越來越關(guān)注提高 LiDAR 在自動駕駛汽車上的感知性能。雖然現(xiàn)有的大部分工作都集中在開發(fā)新的深度學(xué)習(xí)算法或模型架構(gòu)上，但似乎很少從物理設(shè)計的角度來研究這個問題，即多個 LiDAR 的不同放置如何影響基于學(xué)習(xí)的感知。
目前業(yè)內(nèi)主要有兩種雷達的放置方案。一種是將雷達放在車頂，凸起一個“小犄角”，仿佛瞭望塔一般。另一種方案是將其放于前保險杠附近。那么安裝在哪個位置更合理呢？而綜合考慮后還是將雷達安置在車頂?shù)姆桨父雍线m。
其考量的因素有三個。一個是需要盡量減少維修成本，如果安置在車頭部分，難免會遇到追尾等問題，而放在車頂能避免增加維修成本。二是避免遮擋。激光雷達和毫米波雷達原理相似，是利用回波成像來勾顯被探測物體的，如果放在保險杠附近較低的位置的話，可能會存在被污泥等遮擋的情況。三是探測效果更好。目前激光雷達的探測距離最遠一般在100米~150米，放在車頂?shù)脑挻怪狈较蚰艿玫礁蟮囊晥鼋牵梢詮浹a一些激光雷達垂直方向?qū)挾炔蛔愕脑颉?/p>
那么，除了這些已有的考量因素，多雷達的放置方案到底是如何影響自動駕駛感知性能的呢？基于此，卡內(nèi)基梅隆大學(xué)Safe AI Lab在讀博士胡寒江等人引入了一種易于計算的信息論替代指標，以定量和快速評估 LiDAR 放置，以及對不同類型的物體進行 3D 檢測。同時，他們在真實的 CARLA 模擬器中提出了一個新的數(shù)據(jù)收集、檢測模型訓(xùn)練和評估框架，以評估不同的多激光雷達配置。
通過使用受自動駕駛公司設(shè)計啟發(fā)的幾種流行放置，以及廣泛的實驗，展示了這些代理指標與不同代表性算法在 KITTI 上的目標檢測性能之間的相關(guān)性，驗證了LiDAR 放置評估方法的有效性。最終的結(jié)果表明，傳感器放置在基于 3D 點云的對象檢測中是不可忽略的，這將在具有挑戰(zhàn)性的 3D 對象檢測設(shè)置的平均精度方面造成高達 10% 的性能差異。這也是首批定量研究 LiDAR 放置對感知性能影響的研究之一。
7月27日早10點，「自動駕駛新青年講座」第3講，卡內(nèi)基梅隆大學(xué)Safe AI Lab在讀博士胡寒江將主講《自動駕駛中針對3D目標檢測的多雷達放置方案評估》。
講 者
胡寒江，卡內(nèi)基梅隆大學(xué)Safe AI Lab在讀博士；研究方向包括移動機器人和自動駕駛中感知系統(tǒng)的魯棒性和泛化性，在CVPR、ICRA、IROS等國際會議上發(fā)表多篇論文，在ICRA2022和IROS2022帶領(lǐng)組織SeasonDepth深度預(yù)測挑戰(zhàn)賽和可信智能和機器人研討會。
主 題
《自動駕駛中針對3D目標檢測的多雷達放置方案評估》
提 綱
1、當前用于自動駕駛的多雷達配置方案
2、感興趣區(qū)域內(nèi)的概率占據(jù)柵格的構(gòu)建
3、基于信息增益最大的替代評估指標
4、評估不同雷達配置對3D目標檢測的影響
直 播 信 息
直播時間：7月27日早10:00
直播地點：智東西公開課知識店鋪
成果
Multi-LiDAR-Placement-for-3D-Detection
《Investigating the Impact of Multi-LiDAR Placement onObject Detection for Autonomous Driving》
論文鏈接
https://arxiv.org/pdf/2105.00373.pdf
開源地址
https://github.com/HanjiangHu/Multi-LiDAR-Placement-for-3D-Detection
