百度研究院RAL团队登顶nuScenes三维目标检测公开挑战赛榜单
发表时间:2021-06-23 17:32来源:中国广告新闻网

随着自动驾驶技术在不同场景下的持续落地,目标检测作为其中的一项核心模块,对检测算法的精度和稳定性要求越来越高。近日,在国际机器人技术与自动化会议(ICRA 2021)举办的第四届nuScenes三维目标检测挑战赛中,来自百度研究院的机器人与自动驾驶实验室(RAL)团队在三维物体检测任务的多项评价指标中荣获第一,并将关键指标nuScenes Detection Score (NDS)从上一届的71.4%提升至74.9%,刷新了三维目标检测比赛成绩。

百度研究院RAL团队登顶nuScenes三维目标检测公开挑战赛榜单

ICRA2021 nuScenes三维物体检测挑战赛官方排行榜

第四届nuScenes目标检测挑战赛吸引了来自全球各地的多支参赛队伍,不仅有百度、华为、滴滴等知名企业,还涵盖了德克萨斯大学奥斯汀分校、上海交通大学、中国科技大学、哈尔滨工程大学等国内外重点高校。

本届挑战赛使用的nuScenes[1]数据集是自动驾驶目标检测领域中最流行的公开数据集之一,集成了多种传感器(如相机,LiDAR, Radar等),提供了包含二维、三维物体标注、点云分割、高精地图等丰富的标注信息。数据集整体共包含1000个场景、140万帧图像、39万帧激光雷达点云数据、23个物体类别、140万个三维标注框,数据规模和难度远超之前的自动驾驶数据集KITTI。

百度研究院的机器人与自动驾驶实验室(RAL)团队在比赛中提出了一种多模态和多任务的信息融合框架FusionPainting[3],并且结合多模型融合等技术,推出了CenterPoint-Fusion的技术方案,将评价的关键指标NDS从上一届冠军的71.4%提升至74.9%,全类平均正确率(mean Average Precision)从上一届冠军的67.1%提升至72.4%。凭借本次挑战赛中多个评测指标第一的优异成绩,百度在自动驾驶领域的技术实力再次彰显。

CenterPoint-Fusion算法优势何在?

激光雷达(LiDAR)可以直接以三维点云的形式提供周围场景的深度信息,因此广泛的应用于自动驾驶的感知模块中。但是相比于图像数据,激光点云具有密度稀疏,纹理信息不丰富的缺点,因此在检测任务中对于物体的类别分辨往往不准确。

利用相机和Lidar之间的标定参数,PointPainting[2]将图像的语义信息附加到点云上,再利用融合的点云信息进行物体检测,能有效的提升检测的精度。但是由于图像分割器的特征图尺寸大小的限制,分割结果在物体的边界上有模糊效应,再反投影到3D点云上时会造成物体边界的点云类别信息不准确,从而影响最终检测的效果。

责任编辑:宋濂
业界
营销
案例
品牌
数据