葡京集团app下载

English  |   学校主页  |   收藏本站

“业界讲坛”第七十八讲

---深度学习在无人驾驶的感知系统中的应用

 

20201020日,华为诺亚方舟实验室主任工程师徐航应邀来葡京集团app下载为大家讲授《深度学习在无人驾驶的感知系统中的应用》为主题的业界论坛。徐航老师毕业于香港大学,获得统计学专业博士学位。2018年加入诺亚实验室,之前曾在商汤科技从事计算视觉的实习研究工作,曾在NeurIPSCVPRICCVECCVAAAI等人工智能顶级会议上发表十余篇论文,也有多篇论文发表在CSDA, Statistical Computing等统计杂志上。

微信图片_20201020175939

首先,徐航老师为大家介绍了L0L5级驾驶的概念以及发展历程,当下无人驾驶的研究所达到的等级水准。在无人车自动驾驶感知系统中,传感器是数据的主要来源,种类多样,例如激光雷达、视觉相机、毫米波雷达等。

       另外,深度学习中的目标检测算法在无人驾驶中扮演了非常重要的角色,徐航老师通过介绍卷积神经网络算法的基本原理,重点向大家介绍了无人驾驶检测过程中的难点——物体的3D框选问题。在2D检测的情况下,对于模型训练,图片标注只需要位置以及大小信息即可,但在3D情况下则还需要具体的朝向,对于这个问题,业界在实际标注过程中,主要是定义了一些常用的车型,通过不同车型的模型来对3D状态下的数据进行框选标注,目前已达到很好的实际效果。

微信图片_20201020175946


在无人车行驶过程中,主要有以下几个检测任务:障碍物检测,可行驶路面分割,车道线检测等。同时徐航老师播放了demo视频生动展示了点云的处理效果,3D点云与视觉相机方法各有优劣,目前业界有多种融合策略,可以解决两种方法分别存在的问题,徐航老师向我们介绍了三种策略融合的方法。

同时徐航老师也指出,无人驾驶的研究也面临着不少挑战,首先,一切检测结果要实时进行,不断感知路面情况,因此对检测精度和速度的要求非常高,30-40/s,同时由于芯片功耗问题也一直在探索改进,另外,面对种类繁多、发生概率较低或者突发的长尾场景,例如闯红灯的车辆,违章停靠的车辆,这些不按照常理出牌的场景处理难度大,样本含量少,需要通过模拟场景或者进行真实路测获取数据。最后,深度神经网络模型复杂,参数量数以亿计,在这样的黑盒状态下,很难解释结果、定位问题。

在提问环节,同学们也进行了积极的提问,针对自动驾驶发展现状,业界成果分享以及一些具体实际情形下模型判别的问题,徐航老师都做了十分细致的解答,对于自动驾驶领域的现状和特点进行了具体的阐述。

 

供图人:张雅淇

供稿人:户一帆,段亮杰,徐山


'); })();