近日，蘑菇車聯(lián)斬獲自動駕駛領域權(quán)威評測數(shù)據(jù)集nuScene

s激光雷達語義分割任務（lidar segmentation task）

榜單世界第一；去年，

蘑菇車聯(lián)

跟蹤算法“CAMO-MOT”獲該榜單跟蹤榜世界第一。

該榜單競爭者包括谷歌研究院、華為諾亞方舟等頭部科技公司，及麻省理工學院、香港中文大學、浙江大學等高等院校。

nuScene

s激光雷達語義分割任務榜單

NuScenes是被全球各大自動駕駛領域相關公司引用最多的數(shù)據(jù)集，其權(quán)威性得到各方認同?；贜uScenes數(shù)據(jù)集的單項任務挑戰(zhàn)賽，已經(jīng)成為檢驗感知算法在自動駕駛相關任務性能的試金石。

得益于實時、精細且結(jié)構(gòu)化的感知能力，激光雷達幾乎成為自動駕駛感知模塊的標配。自動駕駛車輛通過激光雷達感知環(huán)境，還需要通過算法來“理解”環(huán)境，這就需要對激光雷達生成的大量點云數(shù)據(jù)進行解釋。

nuScenes激光雷達語義分割任務就是要準確地對激光雷達場景中的每個點云進行語義分類，比如車輛、行人、地面、建筑物、植被等。只有讓自動駕駛車輛“理解”這些點云的語義信息，才能做出合理的軌跡決策規(guī)劃。

語義分割任務的難點在于如何高效地融合多傳感器信息。例如，對于配備RGB攝像頭和激光雷達的自動駕駛汽車，至關重要的是融合來自不同傳感器的互補信息，以實現(xiàn)穩(wěn)健和準確分割。

蘑菇車聯(lián)團隊的方法

是將分割過程分為兩個階段。第一階段只考慮激光雷達傳感器，來提取語義特征；第二階段采用精心設計的注意力模塊

自適應地融合第一階段的語義特征和圖像2D實例分割結(jié)果。實驗表明，蘑菇車聯(lián)團隊所提出的注意力模塊優(yōu)于簡單的特征融合模塊（如concat、add、channel attention），尤其是在雨天、夜間等相機質(zhì)量下降的情況。

蘑菇車聯(lián)算法下的

激光雷達語義分割

蘑菇車聯(lián)持續(xù)在自動駕駛前沿技術領域?qū)崿F(xiàn)突破，相關研究成果涵蓋目標分割、目標識別、目標跟蹤、融合感知以及交通參與者軌跡預測等重要環(huán)節(jié)。截至目前，蘑菇車聯(lián)多項算法

在國際

權(quán)威數(shù)據(jù)集榜單中排名居于前列，包括KITTI、nuScenes等，研究成果被ICRA、IROS、IEEE等國際權(quán)威學術機構(gòu)認可。