「自(zi)(zi)动(dong)驾(jia)驶新(xin)(xin)青年(nian)讲座(zuo)」由智东西(xi)公开(kai)课全(quan)新(xin)(xin)企(qi)划，将邀请全(quan)球知名高校、顶尖研(yan)究机(ji)构(gou)以及优秀(xiu)企(qi)业的新(xin)(xin)青年(nian)，主讲在(zai)环境(jing)感(gan)知、精准定位、决策规划、控制(zhi)执行等自(zi)(zi)动(dong)驾(jia)驶关键技(ji)术上的最新(xin)(xin)研(yan)究成果(guo)和开(kai)发实践(jian)。

有(you)兴趣分享的朋(peng)友，可以与智东西公开(kai)课教研(yan)团队进行邮件(jian)（class@k193.net）联系(xi)。

在过去的(de)几年里，人们越(yue)来越(yue)关注(zhu)提高 LiDAR 在自动驾驶(shi)汽车上的(de)感知(zhi)性(xing)能。虽然现(xian)有的(de)大部(bu)分工(gong)作(zuo)都(dou)集(ji)中在开(kai)发新的(de)深度学习算法或模型(xing)架构上，但似(si)乎很少(shao)从(cong)物理设计(ji)的(de)角度来研究这个问题(ti)，即多个 LiDAR 的(de)不同(tong)放置如(ru)何影响基于学习的(de)感知(zhi)。

目前业内主要有两(liang)种雷(lei)达(da)的(de)放(fang)置(zhi)方案。一(yi)(yi)种是将(jiang)雷(lei)达(da)放(fang)在(zai)车顶，凸起一(yi)(yi)个“小(xiao)犄角”，仿佛瞭望塔(ta)一(yi)(yi)般。另一(yi)(yi)种方案是将(jiang)其放(fang)于前保险杠(gang)附近。那么安装在(zai)哪个位置(zhi)更合理呢(ni)？而(er)综合考虑后还是将(jiang)雷(lei)达(da)安置(zhi)在(zai)车顶的(de)方案更加合适。

其考量的因素有(you)三(san)个。一(yi)个是(shi)需要(yao)尽量减(jian)少维修(xiu)成本(ben)(ben)，如(ru)果安置(zhi)在车头部分(fen)，难免会遇到追尾(wei)等问题，而(er)放(fang)(fang)在车顶能(neng)(neng)避(bi)免增加维修(xiu)成本(ben)(ben)。二是(shi)避(bi)免遮挡(dang)。激(ji)光(guang)雷达(da)和(he)毫(hao)米(mi)波雷达(da)原理相似，是(shi)利用(yong)回波成像(xiang)来勾显被探测物体的，如(ru)果放(fang)(fang)在保险杠(gang)附近较(jiao)低的位置(zhi)的话，可能(neng)(neng)会存在被污泥等遮挡(dang)的情况。三(san)是(shi)探测效果更(geng)好。目前激(ji)光(guang)雷达(da)的探测距离最远一(yi)般在100米(mi)~150米(mi)，放(fang)(fang)在车顶的话垂直(zhi)方(fang)向(xiang)能(neng)(neng)得到更(geng)大的视场角，可以(yi)弥补一(yi)些激(ji)光(guang)雷达(da)垂直(zhi)方(fang)向(xiang)宽度不足的原因。

那么，除(chu)了(le)这些已有的(de)(de)考(kao)量(liang)因(yin)素，多雷达的(de)(de)放置(zhi)方(fang)案到底是如何影响自动驾驶感(gan)知性能的(de)(de)呢(ni)？基(ji)于(yu)此，卡内基(ji)梅隆(long)大(da)学Safe AI Lab在读(du)博士胡寒江(jiang)等人(ren)引入了(le)一种易于(yu)计算的(de)(de)信(xin)息论(lun)替代指标，以(yi)定量(liang)和快速评(ping)估 LiDAR 放置(zhi)，以(yi)及对不同(tong)类型(xing)的(de)(de)物(wu)体进行 3D 检测。同(tong)时，他们在真实的(de)(de) CARLA 模拟器中(zhong)提出了(le)一个新(xin)的(de)(de)数据(ju)收集、检测模型(xing)训练和评(ping)估框架，以(yi)评(ping)估不同(tong)的(de)(de)多激(ji)光雷达配置(zhi)。

通(tong)过使用受自动驾(jia)驶公(gong)司(si)设(she)计启发(fa)的(de)(de)(de)几种流行放(fang)置(zhi)，以及广泛的(de)(de)(de)实(shi)验，展(zhan)示了这些(xie)代理指(zhi)标(biao)与不同代表性(xing)算法(fa)在 KITTI 上的(de)(de)(de)目标(biao)检测性(xing)能(neng)之(zhi)间的(de)(de)(de)相(xiang)关性(xing)，验证(zheng)了LiDAR 放(fang)置(zhi)评(ping)估方法(fa)的(de)(de)(de)有效性(xing)。最终的(de)(de)(de)结果表明，传感(gan)器放(fang)置(zhi)在基于(yu) 3D 点云的(de)(de)(de)对象(xiang)检测中是不可忽略(lve)的(de)(de)(de)，这将在具有挑(tiao)战(zhan)性(xing)的(de)(de)(de) 3D 对象(xiang)检测设(she)置(zhi)的(de)(de)(de)平(ping)均(jun)精度(du)方面造成高达 10% 的(de)(de)(de)性(xing)能(neng)差异。这也是首(shou)批定(ding)量研(yan)究 LiDAR 放(fang)置(zhi)对感(gan)知性(xing)能(neng)影响的(de)(de)(de)研(yan)究之(zhi)一(yi)。

7月27日早10点，「自动驾驶新青年讲座」第3讲，卡内基梅隆大学Safe AI Lab在读博士胡寒江将主讲《自动驾驶中针对3D目标检测的多雷达放置方案评估》。

讲 者
胡寒江，卡内基梅隆大学Safe AI Lab在(zai)读博士；研究(jiu)方向(xiang)包括(kuo)移动机器(qi)人(ren)和(he)(he)自动驾驶中(zhong)感知系统的鲁棒性和(he)(he)泛化(hua)性，在(zai)CVPR、ICRA、IROS等(deng)国际会(hui)议(yi)上发表多篇论文，在(zai)ICRA2022和(he)(he)IROS2022带(dai)领(ling)组织(zhi)SeasonDepth深(shen)度预测挑战赛和(he)(he)可信智能和(he)(he)机器(qi)人(ren)研讨会(hui)。

主 题
《自动驾(jia)驶中针(zhen)对3D目(mu)标检测的(de)多雷达放置方案评估》

提 纲

1、当前用于自动驾驶的多雷达配置方案
2、感兴趣区域内的概率占据栅格的构建
3、基于信息增益最大的替代评估指标
4、评估不同(tong)雷达配置(zhi)对3D目标检测的影(ying)响

直 播 信 息
直播时间：7月27日早10:00
直(zhi)播地点：智东西公开课知识店(dian)铺

成果

Multi-LiDAR-Placement-for-3D-Detection
《Investigating the Impact of Multi-LiDAR Placement onObject Detection for Autonomous Driving》

论文链接
//arxiv.org/pdf/2105.00373.pdf

开源地址
//github.com/HanjiangHu/Multi-LiDAR-Placement-for-3D-Detection