近日，中國科學(xué)院上海微系統(tǒng)與信息技術(shù)研究所仿生視覺系統(tǒng)實驗室研究員李嘉茂團(tuán)隊與合作者在智能駕駛感知領(lǐng)域取得進(jìn)展。針對智能駕駛感知的兩個關(guān)鍵問題——柵格占據(jù)預(yù)測和全景分割進(jìn)行研究，兩項成果分別被機(jī)器人領(lǐng)域國際學(xué)術(shù)會議2024 IEEE International Conference on Robotics and Automation（ICRA）錄用。

在智能駕駛中，柵格占據(jù)預(yù)測旨在表征空間中的對象分布，以指導(dǎo)路徑選擇。最直接的表征方法是將立體空間劃分為無數(shù)個堆疊的占據(jù)體素，但龐大的計算量導(dǎo)致難以在實車中部署。鳥瞰視角（BEV）的表征方式，將空間投影于單個水平面，可以大幅減少計算與存儲壓力，但由于缺失細(xì)粒度的結(jié)構(gòu)信息，在開放場景中對象的形狀或外觀不明確時，往往會出現(xiàn)錯誤估計障礙物的情況。TPVFormer基于傳統(tǒng)三視圖的占據(jù)預(yù)測方法，在BEV基礎(chǔ)上將表征平面擴(kuò)展至三個，可客觀精細(xì)地表征三維環(huán)境，但該方法忽略了自車與表征平面的相對關(guān)系，導(dǎo)致場景中的視角重疊障礙物間難以分辨。

為解決上述問題，在TPVFormer基礎(chǔ)上，該團(tuán)隊提出了一種以自車為中心的環(huán)視視角的占據(jù)預(yù)測表征方法CVFormer。以汽車全景環(huán)視多視圖為輸入，建立環(huán)繞車輛的二維正交視角來表征三維場景，有效實現(xiàn)細(xì)粒度三維場景表征，并克服車體周身障礙物的視角遮擋問題。具體地，該研究提出了環(huán)視視圖交叉注意力模塊構(gòu)建二維環(huán)視特征，設(shè)計時序多重注意力模塊加強(qiáng)幀間關(guān)系的利用，并通過設(shè)計2D與3D類別一致性約束，增強(qiáng)網(wǎng)絡(luò)對場景的學(xué)習(xí)性能。此方法在nuScenes數(shù)據(jù)集上進(jìn)行驗證，在預(yù)測精度上明顯優(yōu)于現(xiàn)有算法，達(dá)到了43.09%的mIoU性能指標(biāo)，相比基線算法提高了102.3%，并將計算復(fù)雜度由O(n3)降低至O(n)，展現(xiàn)了較強(qiáng)的可部署性，在路特斯下一代量產(chǎn)車型智能駕駛感知系統(tǒng)上完成了測試驗證。

全景分割是理解場景中背景與對象個體的語義的基礎(chǔ)感知問題，是融合了語義分割與實例分割的綜合方法。其中，語義分割關(guān)注將圖像中的區(qū)域分割為不同的類別，而不區(qū)分不同的物體實例；實例分割則側(cè)重對每個實例對象進(jìn)行獨(dú)立的分割。全景分割往往基于語義分割與實例分割的融合實現(xiàn)，既區(qū)分場景語義，又需要明確物體實例。全景分割方法在語義-實例分割任務(wù)融合中，往往由于二者預(yù)測結(jié)果間的矛盾，導(dǎo)致難以分辨合理的預(yù)測結(jié)果。

為解決這一問題，該團(tuán)隊設(shè)計了基于門控編碼和邊緣約束的端到端全景分割模型BEE-Net。該模型基于全局雙向信息交互以及多角度邊緣優(yōu)化，有效地緩解了全景分割中的語義-實例預(yù)測矛盾問題與邊緣分割挑戰(zhàn)。具體地，針對語義與實例分割特征感知融合，研究人員設(shè)計了輕量級門控編碼模塊進(jìn)行多尺度全局特征信息交互，并通過語義-實例-全景三重邊緣優(yōu)化算法對邊緣分割質(zhì)量進(jìn)行針對性優(yōu)化，保持高效的同時，提升了場景分割性能。該方法在駕駛場景分割數(shù)據(jù)集CityScapes上完成了驗證，取得了65.0%的PQ精度指標(biāo)，在精度上超越了現(xiàn)有基于CNN的全景分割模型，同時在效率上優(yōu)于所有基于Transformer的全景分割模型。該方法兼顧了分割精度與效率的性能需求，在路特斯下一代量產(chǎn)車型智能駕駛感知系統(tǒng)上完成了測試驗證。

上述研究成果得到科技創(chuàng)新2030-重大項目、國家自然科學(xué)基金、中國科學(xué)院青年創(chuàng)新促進(jìn)會、上海市優(yōu)秀學(xué)術(shù)帶頭人計劃等的支持。