近日,在自动驾驶权威数据集Semantic KITTI上,达摩院算法在“单帧3D点云语义分割”排行榜获得第一。该技术用于达摩院的无人物流车后,大幅提升了车辆的环境精细化理解能力,使车辆能够识别“厘米级”障碍物。 KITTI数据集是全球最权威的自动驾驶计算机算法评测数据集,为促进基于激光的语义分割研究,KITTI推出了细分数据集Semantic KITTI,通过全类别分割平均交并比(mIOU)和整体准确率(accuracy)两大指标,考察参赛者的技术能力。达摩院团队在两项指标的评比中均拿下第一。 点云(Point Cloud)是拥有三维坐标、强度等信息的激光点的集合,是计算机视觉领域常用的三维数据表示方式。自动驾驶车辆通常借助激光雷达、摄像头、毫米波雷达等传感器识别环境信息。对于激光雷达获取的周围环境的3D点云,识别每个点的语义标签,就是“3D点云语义分割”。 除了行人、车辆等常规检测目标,道路周围的建筑、绿化、不明障碍物也会影响自动驾驶车辆的驾驶行为,3D点云语义分割技术的目标,便是帮助车辆更精细地理解道路环境。 据悉,该算法应用于达摩院的无人物流车后,车辆对障碍物的精细化识别水平大幅提升。比如在行驶途中遇到临时拉起的警戒线,即便线宽仅有3厘米,物流车也能轻松识别并绕道而行。 |
【版权及免责声明】:
|
|
[ 关于我们 ] [ 人才招聘 ] [ 展会合作 ] [ 广告服务 ] [ 友情链接 ] [ 免责声明 ] [ 网站地图 ] |