長文解讀|極目智能算法專家王雅儒:技術(shù)驅(qū)動,破局商用車高階智能駕駛

5月31日,由蓋世汽車主辦的2022中國商用車自動駕駛-云論壇如期舉行,極目智能人工智能算法專家王雅儒博士受邀參加并發(fā)表《技術(shù)驅(qū)動,破局商用車高階智能駕駛》主題演講,王博士從技術(shù)角度出發(fā),分享了當(dāng)前商用車高階智能駕駛技術(shù)趨勢、關(guān)鍵感知技術(shù),并介紹了極目智能相關(guān)技術(shù)研發(fā)成果和解決方案。

01

智能駕駛向上進階趨勢漸顯,域控成為邁向高階的關(guān)鍵

據(jù)佐思汽研數(shù)據(jù)顯示,2021年中國商用車ADAS整體裝配率達17.3%,2030年裝配率將達到59%,中國作為世界交通大國,將成為體量巨大的智能駕駛市場。

隨著中國品牌向上突破,國內(nèi)重卡車企相繼布局高端產(chǎn)品,大量采用先進智能駕駛技術(shù),福田歐曼銀河、一汽解放鷹途、重汽汕德卡等諸多高端車型都配備了 L2級別及以上ADAS功能(如LKA、ACC、PACC預(yù)見性巡航等),高端重卡車型上的智能駕駛向上進階趨勢漸顯。

王博士表示:“當(dāng)前分布式的智能駕駛方案已經(jīng)不能滿足高階智能駕駛需求,基于先進環(huán)境感知技術(shù)的智能駕駛域控將成為高階智能駕駛的主流方案”。域控可將AEB、LKA、LCA、ACC、TJA、DMS、NOA、HWA等功能進行整合,其主要優(yōu)勢在于:1)打破傳統(tǒng)ECU架構(gòu)信息孤島,實現(xiàn)多攝像頭、多傳感器互聯(lián)互通;2)實現(xiàn)更高級別自動駕駛功能;3)提升芯片算力利用率,避免算力浪費;4)降低CAN總線負擔(dān),節(jié)約線束;5)顯著降低研發(fā)、維護成本,節(jié)省時間;6)構(gòu)建冗余,提升安全性及魯棒性。

02

高階智能駕駛的感知技術(shù)研究與突破

作為智能駕駛算法的最重要板塊,精準(zhǔn)的環(huán)境感知是實現(xiàn)高階智能駕駛的前提和基石,比如前方目標(biāo)識別、車身側(cè)視感知、后方相鄰車道目標(biāo)識別、車道線檢測、駕駛員狀態(tài)監(jiān)測等,王博士介紹了目前常規(guī)的做法及極目智能的實踐方案。

首先是算法模型設(shè)計及優(yōu)化。我們前面提到,實現(xiàn)L1-L2級智能駕駛的算力需求一般是 2T-5T,實現(xiàn) L2+級智能駕駛的算力需求一般在 20T 以內(nèi)。當(dāng)前主流的智能駕駛算法都是基于深度學(xué)習(xí),那么如何在同等算力下實現(xiàn)更好的算法精度非??简灱夹g(shù)能力。

極目智能旗下方案采用的是自主研發(fā)的JMNet深度學(xué)習(xí)網(wǎng)絡(luò)系列,這套網(wǎng)絡(luò)的優(yōu)勢是能根據(jù)不同硬件的特點設(shè)計最適合的網(wǎng)絡(luò)結(jié)構(gòu),專網(wǎng)專用,充分發(fā)掘硬件性能,在同等算力條件下實現(xiàn)更好的性能,其定制的QAT量化方案可實現(xiàn)檢測量化無精度損失,非常適合在端側(cè)運行。JMNet易訓(xùn)練、易拓展,可大幅減少訓(xùn)練時間,且具有較強的泛化能力,能夠靈活部署在不同算力硬件,同級別硬件性能下準(zhǔn)確性大幅領(lǐng)先。此外,極目的專利技術(shù)可針對ADAS圖像特點進行計算量壓縮,實現(xiàn)檢測距離加倍。

接下來算法迭代。對于智能駕駛來說,數(shù)據(jù)是非常重要的,尤其是自動駕駛中的長尾問題,需要采集大量的困難樣本。普通樣本的采集相對容易,真正讓算法失效的場景才更有價值,比如雨天夜間標(biāo)識牌反光場景、遠處的隧道、倒地的三角錐等都是相對比較困難的場景。

極目智能基于海量精準(zhǔn)數(shù)據(jù),打造了數(shù)據(jù)驅(qū)動的算法迭代閉環(huán),實現(xiàn)了數(shù)據(jù)驅(qū)動算法升級。在數(shù)據(jù)采集方面我們分為四個階段:先普遍采集大量樣本,驗證模型算法正確性,之后補充不均衡類別樣本,訓(xùn)練基線版本,然后根據(jù)基線版本測試結(jié)果針對典型失效場景進行廣泛采集,階段長期累積困難樣本,這個階段甚至需要持續(xù)數(shù)年以持續(xù)提升困難場景下的魯棒性。

一般來說,行業(yè)內(nèi)普遍使用共用基礎(chǔ)網(wǎng)絡(luò)的方法節(jié)省算力,之后接多個不同的HEAD網(wǎng)絡(luò)完成不同的任務(wù),這樣就涉及到樣本使用的問題。不同場景對于樣本的要求可能不一致,比如彎道場景對于車道線檢測屬于困難場景,而對于目標(biāo)檢測來說并不屬于困難場景,前者需要較多的相應(yīng)樣本以提升車道線檢測效果,這對后者來說會降低訓(xùn)練效率甚至影響其性能。

極目智能采用跨樣本聯(lián)合訓(xùn)練的方式使用,可以更好地利用樣本,檢測、分割、車道線使用不同的樣本,不需要在同一批樣本上分別作出所有標(biāo)注可以更高效、更靈活、更方便地利用樣本。通過將多種樣本放在一個BACTH中進行訓(xùn)練,不僅降低了對樣本的要求,避免了不同任務(wù)困難樣本不同的矛盾,也可以更好地訓(xùn)練網(wǎng)絡(luò),提升多任務(wù)下的性能。另一方面,跨樣本的聯(lián)合訓(xùn)練在加入額外的任務(wù)時,不需要對所有原樣樣本重新進行標(biāo)注就可以很方便地進行訓(xùn)練,極大地提升了效率。

接下來是漏檢誤檢的問題。L2 級智能駕駛就已涉及車輛控制,比如 AEB 自動緊急剎車功能。我們認為AEB 自動緊急剎車是一個對于提升駕駛安全性非常重要、同時技術(shù)要求比較高的功能,要實現(xiàn)AEB尤其是基于單視覺的AEB功能,需要把漏檢誤檢控制到非常低的水平。為了實現(xiàn)行業(yè)最低的漏檢誤檢率,極目智能做了大量的工作,比如通過大量類人類車物的標(biāo)注和訓(xùn)練,增加類別之間的差異來降低誤檢,同時采用代價敏感矩陣來對模型進行精細調(diào)控,進一步降低漏檢誤檢。

測距的精準(zhǔn)度對于智能駕駛是至關(guān)重要的,它的難點在于檢測框容易抖動,尤其是商用車,由于載重變化導(dǎo)致相機抖動和高度變化,會造成測距不準(zhǔn)。為實現(xiàn)更精準(zhǔn)的測距,極目智能采用動態(tài)補償技術(shù),可以有效解決誤差問題,同時通過金字塔圖像推理技術(shù),實現(xiàn)多級目標(biāo)檢測,一方面可有效提升小目標(biāo)的檢測精度,另一方面構(gòu)建冗余,提升了回歸的精度,且由于目標(biāo)被放大,測距的精度也會顯著提升。

接下來是3D目標(biāo)檢測。傳統(tǒng)2D感知結(jié)果難以體現(xiàn)物體的距離和場景的深度信息,而車輛等動態(tài)目標(biāo)的3D 位姿對于實現(xiàn)高階智能駕駛中的軌跡預(yù)測、規(guī)劃控制等環(huán)節(jié)至關(guān)重要。我們簡單地將目前的 3D 技術(shù)分為偽 3D、升維3D、單目 3D 等類別類。偽3D僅支持2D維度,升維3D、單目3D等可實現(xiàn)3D檢測框。升維3D可僅使用來源于相機的圖像樣本,結(jié)合相機內(nèi)外參將2D結(jié)果升維到3D,因此幾乎能復(fù)用所有之前累積的樣本,能有效地保證量產(chǎn)產(chǎn)品性能。單目3D、BEV等算法可通過網(wǎng)絡(luò)端到端預(yù)測目標(biāo)3D信息,包括車輛的長寬高、距離、方向角等信息。Transformer也屬于BEV算法,但是它的某些特性區(qū)別于BEV算法,比如計算量大、芯片支持度低?;赥ransformer、BEV的算法優(yōu)勢在于融合難度會更低,相機的多目一致性可以做到更高。

我們認為,基于BEV+單目3D的環(huán)境感知技術(shù)組合是未來更合理的發(fā)展方向?;贐EV算法可以提取周圍各個相機的特征,然后投影到車輛周圍規(guī)則的柵格之中,在此基礎(chǔ)上進行推理實現(xiàn)3D的檢測以及分割。因為BEV算法檢測大范圍區(qū)域時計算量激增,所以很難檢測較遠距離的目標(biāo),可以通過單目3D來實現(xiàn)遠距離目標(biāo)檢測,然后將二者結(jié)果進行融合,達到兼顧融合的一致性和較遠的檢測距離,實現(xiàn)用較少的計算量實現(xiàn)更遠的檢測距離和更高的檢測精度。

在高階智能駕駛中,車輛周視的感知通常會采用魚眼相機。在使用魚眼相機測距時,常規(guī)做法是采用矩形框進行標(biāo)注,但由于缺少了方位角的信息,很難準(zhǔn)備判斷目標(biāo)車輛與自車的距離。為了解決這個問題,極目智能采用了斜目標(biāo)的方案,可以對目標(biāo)進行更好的包圍,實現(xiàn)精準(zhǔn)測距。此外我們嘗試了box監(jiān)督的實例分割,其優(yōu)勢是復(fù)用檢測樣本,無需進行復(fù)雜的分割標(biāo)注,其也能有效提升測距精度,是一個很有潛力的研究方向。

另外,針對一般障礙物的檢測,極目智能采用自監(jiān)督的方法來實現(xiàn)單目深度估計,這樣可以不需要做過多的標(biāo)注,最主要的工作是動態(tài)估計左右相機姿態(tài)的變化,達到更好的適應(yīng)性,更好地解決因外參的變化、形變導(dǎo)致的精度低的問題。通過將2D光流升維到3D光流,再進行前景目標(biāo)的提取可實現(xiàn)一般障礙物的檢測分割。

最后是3D車道線檢測。車道線是自動駕駛環(huán)境中最重要的靜態(tài)目標(biāo),如果只是在圖像上進行車道線的檢測,它僅僅是2D的車道線,如果想要將之映射到世界坐標(biāo)系,只通過外參內(nèi)參來進行映射,在上下坡等俯仰角發(fā)生變化的場景下可能會產(chǎn)生內(nèi)八外八的情況。極目智能的做法是通過深度估計來校正3D車道線,使得上下坡、顛簸造成的內(nèi)八外八得到恢復(fù),得到更加精準(zhǔn)的3D車道線。

03

面向量產(chǎn),從英雄之城到世界級的中國力量

櫛風(fēng)沐雨十年路,自主科創(chuàng)楊帆遠。當(dāng)前極目智能產(chǎn)品線已覆蓋L2-L4級智能駕駛,供貨30 余家乘商用主機廠,并得到頭部客戶量產(chǎn)驗證。

回歸本質(zhì),強大的“量產(chǎn)落地能力"背后是不斷謀求核心技術(shù)突破,不斷進行10倍的技術(shù)變革而不是2倍的改良。

作為國內(nèi)少有的擁有自主感知、融合、規(guī)控全棧技術(shù)能力的國產(chǎn)智能駕駛方案供應(yīng)商,極目智能堅持以技術(shù)為驅(qū)動,破局高階智能駕駛基于自研的JMNet系列深度學(xué)習(xí)網(wǎng)絡(luò),極目智能旗下產(chǎn)品核心技術(shù)指標(biāo)位列行業(yè)第一梯隊,算法性能行業(yè)領(lǐng)先,并且是唯一通過韓國KIAPI ADAS技術(shù)測試、日本AEB測試標(biāo)準(zhǔn)的中國廠商。強大的技術(shù)實力,讓極目智能有與國際巨頭同臺較量的底氣。

不久前,極目智能面向全球商用車市場推出了領(lǐng)先的多路視頻域控解決方案JIMU S7,采用大算力硬件平臺支持MOIS(Moving Off Information System)及BSIS(Blind Spot Information System)功能,并可拓展ReIS(Reversing Information System)、AVM環(huán)視感知、DMS等功能,支持L2+級智能駕駛感知需求。作為全球首批視覺MOIS及 BSIS方案,JIMU S7具備感知精度高、感知范圍廣、系統(tǒng)擴展性強等優(yōu)勢。目前,極目智能已與某世界級主機廠合作推進S7項目的量產(chǎn)落地。

智能駕駛是汽車智能化技術(shù)上的璀璨明珠,極目智能將堅持技術(shù)創(chuàng)新謀求持續(xù)發(fā)展,不斷深耕技術(shù)科創(chuàng)、持續(xù)突破技術(shù)壁壘,希望通過極目人的努力,為智能駕駛的發(fā)展注入中國智慧!

(免責(zé)聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性,但不保證有關(guān)資料的準(zhǔn)確性及可靠性,讀者在使用前請進一步核實,并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏,概不負任何法律責(zé)任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時,應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明,并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后,將會依法盡快聯(lián)系相關(guān)文章源頭核實,溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 )