毫末智行技術論文入選CVPR 2023：可大幅提高3D車道線檢測性能
2月28日，一年一度的計算機視覺頂會CVPR 2023放榜。由毫末智行人工智能中心技術團隊提交的《BEV-LaneDet: a Simple and Effective 3D Lane Detection Baseline（一種簡單有效的3D車道線檢測方法）》論文成功入選CVPR2023。
計算機視覺與模式識別會議（IEEE Conference on Computer Vision and Pattern Recognition，簡稱：CVPR）是計算機視覺與模式識別領域的三大頂級會議之一，由紐卡斯爾大學、悉尼科技大學、約翰霍普金斯大學等頂級名校和機構組織。CVPR有著較為嚴苛的錄用標準，CVPR官方透露，CVPR2023一共收到了9155份論文，創(chuàng)下歷史新高，而組委會最終錄用了2360篇論文，接收率為25.78%。
3D車道檢測作為自動駕駛領域的熱門話題，在車輛路徑選擇中起著至關重要的作用。在以往，相關技術往往由于其復雜的空間轉換和3D車道的不靈活表示而難以實用。面對這些問題，毫末完全自主研發(fā)了一種高效、魯棒的單目3D車道檢測，簡稱：BEV-LaneDet。
BEV-LaneDet模型
毫末團隊在BEV-LaneDet中，首先通過虛擬相機將輸入圖像的所有內外參數(shù)轉換為統(tǒng)一的內外參數(shù)，確保了不同車輛中前置攝像頭空間關系的一致性，有效促進學習過程。并且，毫末團隊使用特征提取器來提取前視圖圖像的特征，并提出了一種簡單但有效的三維車道表示，被稱為“Key-Points Representation”，該模塊更適合于表示復雜多樣的3D車道結構。在此基礎上，受FPN啟發(fā)，毫末團隊還設計了一個輕量級和芯片友好的空間變換模塊，稱為“Spatial Transformation Pyramid”，這是一個基于VPN的快速多尺度空間變換模塊，主要負責從前視圖特征到BEV特征的轉換。最后，毫末團隊預測了與局部路面相切的平面上的車道，并將局部路面分成s1×s2個grid，預測了置信度confidence、用于聚類的embedding、橫向誤offset以及每個grid的高度height，在推理中使用快速聚類方法來融合每個分支的結果，以獲得3D車道。
BEV-LaneDet在公開集合Openlane的表現(xiàn)
通過以上這些方法，在公開集合OpenLane數(shù)據(jù)集上，BEV-LaneDet的F1-S?core可以達到185FPS，比目前的SOTA提升了10.6%。在公開集合Apollo 3D Lane Synthetic上的表現(xiàn)，BEV-LaneDet同樣可以做到大幅度領先目前的SOTA方法4.0%。
BEV-LaneDet在公開集合上的可視化表現(xiàn)
毫末團隊BEV-LaneDet撰寫的論文入選CVPR，再次彰顯了毫末的深厚AI技術積累。如今，毫末已經(jīng)快速成長成為中國量產(chǎn)自動駕駛第一名。HPilot已迭代三代產(chǎn)品，在魏牌、坦克、哈弗、歐拉、長城炮等多個品牌近20款車型上實現(xiàn)了規(guī)?；慨a(chǎn)，未來搭載毫末輔助駕駛產(chǎn)品的乘用車將達到百萬量級。截至2023年2月，毫末用戶輔助駕駛行駛里程突破3500萬公里。中國第一個可大規(guī)模落地的城市導航輔助駕駛毫末城市NOH目前也已軟件封版達到交付狀態(tài)。此外，毫末末端物流自動配送車已初步完成商業(yè)閉環(huán)，交付超1000臺，末端物流自動配送車小魔駝系列配送訂單量也已突破16萬單，商業(yè)化進程正全面提速。
當下，隨著各類新興技術逐步滲透到自動駕駛行業(yè)，毫末智行也將繼續(xù)加碼在大模型訓練、重感知、認知推理等AI技術領域，助推更多前沿技術在自動駕駛領域落地。
