(相關資料圖)

自動駕駛是集感知、決策、交互于一體的技術。環境感知能力作為自動駕駛的第一個環節，是車輛與環境交互的紐帶。通過"攝像頭、毫米波雷達、超聲波雷達、激光雷達"等各類傳感器設備，感知環境的手段日趨多元化。同時，在平臺層面感知決策處理能力的提升，平臺算力和感知算法的效率提升和創新，也成為了車企發展智能駕駛能力的關鍵。

NuScenes挑戰賽，作為檢驗感知算法在自動駕駛領域相關任務性能的試金石，自數據集公開以來，吸引了來自全球各地的研究團隊的結果提交。

在最新一期所公布的競賽測評榜單中，全球領先級AI算力基礎設施提供商----浪潮信息憑借Inspur-DABNeT4D登頂自動駕駛數據集NuScenes 純視覺3D目標檢測任務榜單，并將關鍵性指標NuScenes Detection Score（NDS）提高至62.4% 。

除傳統的自動駕駛創業公司和造車企業之外，人工智能平臺廠商、算力廠商也開始逐步關注和投入自動駕駛的技術研發。那么，未來自動駕駛感知技術究邁向如何的路徑發展，逐步實現大規模的量產落地？

本文試圖從浪潮信息在NuScenes榜單上的感知模型解讀出發，來一窺自動駕駛的感知技術發展。

從自動駕駛的分級來看，當前的自動駕駛技術，隱隱可以看出2個流派，一個是以直接實現L4級自動駕駛為目標的激進派，一個是從L2級輔助駕駛開始，逐步提升自動駕駛等級的漸進派。但無論是L2級的輔助駕駛還是L4級的自動駕駛，從整體架構上看，都可以大致分為感知、決策和控制3部分。感知是自動駕駛汽車的眼睛，和人類的眼睛為大腦提供了70%以上的信息類似，感知系統也為自動駕駛車輛提供了車輛外部環境信息輸入。自動駕駛的感知依賴于各種車載傳感器的信息輸入，包括攝像頭、超聲波雷達、毫米波雷達和激光雷達等。其中最核心的就是攝像頭和激光雷達。

圖 1（上）：自動駕駛架構組成 。圖 2（下）：3D目標檢測示意圖， 3D目標被定義為一個長方體，(x,y,z)是長方體的中心坐標，（l,w,h）是長寬高信息，θ是航向角，比如長方體在地平面的偏航角，class是3D目標的類別。vx、vy描述3D目標在地面上沿x軸和y軸方向的速度。

關鍵詞： 激光雷達 浪潮信息 目標檢測 可以看出 創業公司