「自動(dòng)駕駛新青年講座」由智東西公開(kāi)課全新企劃，將邀請(qǐng)全球知名高校、頂尖研究機(jī)構(gòu)以及優(yōu)秀企業(yè)的新青年，主講在環(huán)境感知、精準(zhǔn)定位、決策規(guī)劃、控制執(zhí)行等自動(dòng)駕駛關(guān)鍵技術(shù)上的最新研究成果和開(kāi)發(fā)實(shí)踐。

有興趣分享的朋友，可以與智東西公開(kāi)課教研團(tuán)隊(duì)進(jìn)行郵件（class@zhidx.com）聯(lián)系。

汽車?yán)走_(dá)在全天候條件下以可承受的成本提供可靠的環(huán)境感知，但由于雷達(dá)探測(cè)點(diǎn)的稀疏性，它幾乎無(wú)法提供語(yǔ)義和幾何信息。隨著近年來(lái)汽車?yán)走_(dá)技術(shù)的發(fā)展，通過(guò)使用汽車?yán)走_(dá)進(jìn)行實(shí)例分割成為可能。其數(shù)據(jù)包含雷達(dá)橫截面和微多普勒效應(yīng)等上下文信息，可以在視野模糊時(shí)提供檢測(cè)。

來(lái)自瑞典Silo AI公司 Lead AI Engineer的劉嘉楠等人提出了一種基于估計(jì)語(yǔ)義信息聚類的高效方法，以實(shí)現(xiàn)稀疏雷達(dá)探測(cè)點(diǎn)的實(shí)例分割。該方法在主流的RadarScenes數(shù)據(jù)集上果驗(yàn)證了其有效性，在IoU閾值為0.5的情況下，平均覆蓋率達(dá)到89.53%，平均平均精度達(dá)到86.97%。更顯著的是，它消耗的內(nèi)存僅在1MB左右，推理時(shí)間小于40ms，確保了在現(xiàn)實(shí)世界系統(tǒng)中的實(shí)用性。

同時(shí)，針對(duì)雷達(dá)探測(cè)點(diǎn)的高質(zhì)量注釋由于其模糊性和稀疏性而難以實(shí)現(xiàn)的問(wèn)題，劉嘉楠等人提出了一種對(duì)比學(xué)習(xí)方法，用于實(shí)現(xiàn)基于雷達(dá)檢測(cè)點(diǎn)的實(shí)例分割。實(shí)驗(yàn)表明，當(dāng)?shù)孛鎸?shí)況信息僅可用于一小部分訓(xùn)練數(shù)據(jù)時(shí)，該方法仍能實(shí)現(xiàn)與以100%地面實(shí)況信息的監(jiān)督方式訓(xùn)練的方法相當(dāng)?shù)男阅堋?/p>

不僅如此，劉嘉楠等人還提出了一種基于RFS的跟蹤器GNN-PMB，即使用全局最近鄰（GNN-PMB）的泊松多伯努利濾波器，用于基于LiDAR的MOT（多目標(biāo)跟蹤）任務(wù)。這個(gè)GNN-PMB跟蹤器使用簡(jiǎn)單，但可以在nuScenes數(shù)據(jù)集上獲得有競(jìng)爭(zhēng)力的結(jié)果。具體而言，所提議的GNN-PMB跟蹤器的性能優(yōu)于大多數(shù)最先進(jìn)的僅LiDAR跟蹤器以及基于LiDAR和相機(jī)融合的跟蹤器，在提交時(shí)在nuScenes跟蹤任務(wù)排行榜1上所有僅LiDAR跟蹤器中排名第三。

9月8日晚6點(diǎn)，「自動(dòng)駕駛新青年講座」第7講，瑞典Silo AI公司 Lead AI Engineer劉嘉楠將以《可工程化的非視覺(jué)類傳感器自動(dòng)駕駛實(shí)例分割與多目標(biāo)跟蹤算法》為主題，講解他們?cè)谧詣?dòng)駕駛感知任務(wù)中的基于毫米波雷達(dá)的實(shí)例分割，以及基于激光雷達(dá)的多目標(biāo)跟蹤的一些工程上可行的最新方案。

講者
劉嘉楠，瑞典Silo AI公司 Lead AI Engineer；曾于瑞典愛(ài)立信公司從事4G/5G基帶統(tǒng)計(jì)信號(hào)處理算法設(shè)計(jì)與開(kāi)發(fā)；隨后于瑞典歷任安波福等多家Tier1與OEM公司高級(jí)算法工程師，從事及領(lǐng)導(dǎo)基于毫米波雷達(dá)/激光雷達(dá)與攝像頭融合的感知算法研發(fā)；現(xiàn)于瑞典Silo AI公司任職Lead AI Engineer，負(fù)責(zé)自動(dòng)駕駛路面與座艙內(nèi)環(huán)境感知算法以及MRI圖像重建與病理分析算法的研發(fā)工作；2007年本科畢業(yè)于華中科技大學(xué)，2009年、2012年碩士分別畢業(yè)于澳大利亞墨爾本大學(xué)與瑞典隆德大學(xué)。

第7講

主 題
《可工程化的非視覺(jué)類傳感器自動(dòng)駕駛實(shí)例分割與多目標(biāo)跟蹤算法》

提 綱
1、非視覺(jué)類傳感器自動(dòng)駕駛感知算法的工程化挑戰(zhàn)
2、實(shí)用的毫米波雷達(dá)實(shí)例分割算法解析
3、高效的3D多目標(biāo)跟蹤算法GNN-PMB

直 播 信 息
直播時(shí)間：9月8日18:00
直播地點(diǎn)：智東西公開(kāi)課知識(shí)店鋪

成果

?論文標(biāo)題
《Deep Instance Segmentation with AutomotiveRadar Detection Points》

《Contrastive Learning for AutomotivemmWave Radar Detection Points Based Instance Segmentation》

《GNN-PMB: A Simple but Effective Online3D Multi-Object Tracker without Bells and Whistles》

?論文地址

https://arxiv.org/abs/2110.01775

https://arxiv.org/abs/2203.06553

https://arxiv.org/abs/2206.10255

?GNN-PMB開(kāi)源地址

https://github.com/chisyliu/GnnPmbTracker