「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@m.loveliyi.com）聯(lián)系。

汽車雷達在全天候條件下以可承受的成本提供可靠的環(huán)境感知，但由于雷達探測點的稀疏性，它幾乎無法提供語義和幾何信息。隨著近年來汽車雷達技術(shù)的發(fā)展，通過使用汽車雷達進行實例分割成為可能。其數(shù)據(jù)包含雷達橫截面和微多普勒效應(yīng)等上下文信息，可以在視野模糊時提供檢測。

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

同時，針對雷達探測點的高質(zhì)量注釋由于其模糊性和稀疏性而難以實現(xiàn)的問題，劉嘉楠等人提出了一種對比學(xué)習(xí)方法，用于實現(xiàn)基于雷達檢測點的實例分割。實驗表明，當(dāng)?shù)孛鎸崨r信息僅可用于一小部分訓(xùn)練數(shù)據(jù)時，該方法仍能實現(xiàn)與以100%地面實況信息的監(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GNN-PMB跟蹤器使用簡單，但可以在nuScenes數(shù)據(jù)集上獲得有競爭力的結(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)最先進的僅LiDAR跟蹤器以及基于LiDAR和相機融合的跟蹤器，在提交時在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，「自動駕駛新青年講座」第7講，瑞典Silo AI公司 Lead AI Engineer劉嘉楠將以《可工程化的非視覺類傳感器自動駕駛實例分割與多目標(biāo)跟蹤算法》為主題，講解他們在自動駕駛感知任務(wù)中的基于毫米波雷達的實例分割，以及基于激光雷達的多目標(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；曾于瑞典愛立信公司從事4G/5G基帶統(tǒng)計信號處理算法設(shè)計與開發(fā)；隨后于瑞典歷任安波福等多家Tier1與OEM公司高級算法工程師，從事及領(lǐng)導(dǎo)基于毫米波雷達/激光雷達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，負責(zé)自動駕駛路面與座艙內(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
《可工程化的非視覺類傳感器自動駕駛實例分割與多目標(biāo)跟蹤算法》

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

直 播 信 息
直播時間：9月8日18:00
直播地點：智東西公開課知識店鋪

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開源地址

https://github.com/chisyliu/GnnPmbTracker