误差|千米感知误差低于5%，嬴彻发布全球领先的超长距精准3D感知技术技术|距离|全球|

_原题为 千米感知误差低于5% ，嬴彻发布全球领先的超长距精准3D感知技术
鱼羊发自凹非寺
量子位报道 | 公众号 QbitAI
行驶在高速公路上的自动驾驶重卡，时速保持在 80-100 km/h ，即每秒移动大约 25 米。
刹车距离，就会是乘用车的 2 倍。

文章图片

这样的情况下，要保证行车安全，感知距离起码要达到 300 米以上。
车辆“看”得越远、测得越准，就越能精确地判断前车动向，做出合理的预判，保障行车安全。
这就是嬴彻科技最新发布的超长距精准3D感知技术要解决的问题。
不仅感知距离可以达到 1000 米，嬴彻还在行业内首次提到了测距精度——
【误差|千米感知误差低于5%，嬴彻发布全球领先的超长距精准3D感知技术】1000米感知距离下，测距误差能达到5%以下。
兼顾超长距和精准的识别效果，并且不需要额外的传感器，嬴彻的技术团队是如何做到？
其中诀窍，嬴彻CTO杨睿刚博士同量子位进行了分享。
超长距精准3D感知技术
无论是激光雷达还是毫米波雷达，有效感知距离也不过 150-200 米。
在长距离的感知上，主要需要依靠相机作为传感器。
杨睿刚博士介绍，目前主要的技术有两种：
其一，双目立体视觉测距。即通过两个摄像头来观测同一物体，通过三角化来得到三维距离。

文章图片

这一方案的缺点在于，对于超长距而言，双目测距的误差随距离的平方增长。举个例子，如果在 100 米时，测距误差是 1 米，那么当距离达到 1000 米，误差就会达到 100 米。
其二，直接通过回归或者一些简单几何的方法来计算前方物体的深度信息。
这种方法产生的误差在15%-20%左右。不仅如此，在超长距上，标注数据不足，很难对移动物体的细节进行处理。
针对这些问题，嬴彻的解决方案——把前景和背景分开来做处理。
背景，是指前方的整个静态环境。嬴彻的超长距精准3D感知技术，结合激光雷达，把激光点云作为控制点，然后由近及远，通过图像的方法计算深度。
杨睿刚博士解释说：

你可以想象在一张图像上，有些点带有深度信息，但更多的点没有。

通过无监督深度学习，我们把这些带有深度信息的点，从近到远地扩展出去，就可以得到很好的长距离背景深度图像。

文章图片

而前景，就是前方行驶的车辆。
对于车辆，嬴彻采用了经典几何方法来进行处理。
具体而言，是对车辆直接进行检测，通过将车辆进行部件级拆解，将其与三维模型做精准拟合。通过拟合出来的三维模型，结合背景的深度图片，就可以得到车辆的位姿信息，包括距离，朝向等，实现了超长距离的三维感知。
这一套方案，被称为“场景深度感知 + 前景车辆部件级解析” 。用更通俗的话说，就是深度学习方法和基于几何的经典计算机视觉方法的有机结合。
这样一来，无论是对近景还是远景，系统对于整个环境都能有很好的感知。
另外，在相对恶劣的天气条件下，比如雨天、雾天，激光雷达、摄像头这些基于光学信号的传感器，都会受到影响。
为此，嬴彻也基于计算摄影学（computational photography）技术，开发了应对的去雨去雾算法，保障感知距离和感知精度。

文章图片

如上图所示，嬴彻用静态三维扫描的方法对其算法进行了严格的实地验证，实验证明，嬴彻的超长距3D感知技术在距离为 1000 米的时候，测距精度能达到 5%以内。
在深度三维测距的精确度上，该技术已经达到了世界领先水平。
有何价值？
杨睿刚博士介绍，感知距离每增加 100 米，系统可增加 4 秒的预警和应对时间。嬴彻科技的超长距精准 3D 感知技术为自动驾驶卡车显著增加更多的路径选择和执行时间，为自动驾驶卡车的安全与节能带来了突破性提升的机会。
更重要的一点是，这套方案没有用到额外的传感器，借助现在自动驾驶车辆上标配的激光雷达、中焦长焦相机就可以实现。
也就是说，要把这套方案应用到实际的自动驾驶重卡上，不需要在车上加装任何额外的硬件，进行任何硬件层面上的改造、升级。
而这样的操作，也符合嬴彻“车规级，前装量产”的路线。
“我们的目标就是量产”
杨睿刚博士是全球知名的计算机视觉科学家，之前担任百度机器人和自动驾驶实验室主任及首席3D视觉科学家。