「自動(dòng)駕駛新青年講座」由智東西公開課全新企劃，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發(fā)實(shí)踐。
有興趣分享的朋友，可以與智東西公開課教研團(tuán)隊(duì)進(jìn)行郵件（class@zhidx.com）聯(lián)系。
利用深度學(xué)習(xí)技術(shù)對(duì)由LiDAR收集得到的點(diǎn)云進(jìn)行感知（如分割、檢測(cè)、跟蹤等）已經(jīng)是當(dāng)下研究的熱點(diǎn)之一。然而，從真實(shí)世界中收集得到的數(shù)據(jù)往往具有極高的復(fù)雜度和多樣性；同一個(gè)街道的路況在一天中的不同時(shí)刻尚且復(fù)雜多變，更不用說不同街道甚至不同城市的街道間呈現(xiàn)出的變化。因此，收集并標(biāo)注一個(gè)能涵蓋各種情境的真實(shí)世界數(shù)據(jù)集是極其困難的。
然而，對(duì)于一個(gè)基于學(xué)習(xí)的問題而言，昂貴的數(shù)據(jù)標(biāo)注往往是制約模型泛化能力的關(guān)鍵因素。這樣一個(gè)問題在LiDAR點(diǎn)云上尤為突出：一個(gè)由64線LiDAR傳感器收集得到的場(chǎng)景點(diǎn)云往往包含超過10萬個(gè)點(diǎn)，而給收集到的每個(gè)點(diǎn)云都打上語義標(biāo)簽（semantic label）所需要的人力和經(jīng)濟(jì)成本是及其巨大的。昂貴且耗時(shí)的人工標(biāo)注限制了基于學(xué)習(xí)的LiDAR點(diǎn)云分割系統(tǒng)的延展性。
來自新加坡國立大學(xué)的孔令東博士等人構(gòu)建了一個(gè)基于結(jié)構(gòu)先驗(yàn)的半監(jiān)督LiDAR點(diǎn)云分割框架，旨在利用自動(dòng)駕駛場(chǎng)景中的結(jié)構(gòu)先驗(yàn)對(duì)點(diǎn)云進(jìn)行劃分與混合，并對(duì)分割模型在混合前后的預(yù)測(cè)進(jìn)行一致性約束。該框架在主流的自動(dòng)駕駛數(shù)據(jù)集nuScenes，SemanticKITTI，以及ScribbleKITTI上取得了優(yōu)異的分割性能。
12月6日晚7點(diǎn)，「自動(dòng)駕駛新青年講座」第13講邀請(qǐng)新加坡國立大學(xué)計(jì)算機(jī)系在讀博士孔令東，主講《自動(dòng)駕駛場(chǎng)景下的半監(jiān)督點(diǎn)云分割》。
講者
孔令東，新加坡國立大學(xué)計(jì)算機(jī)系在讀博士生；本科畢業(yè)于華南理工大學(xué)；研究方向?yàn)?D場(chǎng)景感知、半監(jiān)督學(xué)習(xí)、域適應(yīng)與無監(jiān)督表征學(xué)習(xí)等；曾于Motional(nuTonomy)進(jìn)行激光雷達(dá)感知方向研究實(shí)習(xí)。
第13講
主 題
《自動(dòng)駕駛場(chǎng)景下的半監(jiān)督點(diǎn)云分割》
提 綱
1、激光雷達(dá)點(diǎn)云感知概述
2、點(diǎn)云分割算法解析
3、基于半監(jiān)督學(xué)習(xí)的點(diǎn)云分割框架
4、點(diǎn)云場(chǎng)景劃分及自動(dòng)駕駛場(chǎng)景適配
直 播 信 息
直播時(shí)間：12月6日19:00
直播地點(diǎn)：智東西公開課知識(shí)店鋪
成果
LaserMix：《LaserMix for Semi-Supervised LiDAR Semantic Segmentation》
論文地址：https://arxiv.org/abs/2207.00026
開源地址：https://github.com/ldkong1205/LaserMix
