对自动驾驶来说,从环境信息中求解出自己的道路区域是至关重要的感知任务。自动驾驶技术领域的公司纽劢科技在该领域的技术突破引起了广泛关注。纽劢科技的研究团队在国际机器人和自动化顶级会议ICRA 2023上入选了一篇关于CurveFormer的论文,该技术实现了高效准确的3D车道线检测。同时,在计算机视觉领域的知名会议WACV 2023上,纽劢科技感知团队论文提出了面向任意相机配置(单个或多个)的BEV语义分割算法BEVSegFormer,同样也取得了当下业界最优(SOTA)的算法效果。

然而,纽劢科技并不满足于仅仅进行车道线检测,他们将目光投向更广阔的领域,即局部地图与全场景驾驶技术。他们认为,车道线检测只是自动驾驶中的一种寻路形式,而通过在车辆端实时构建局部地图,自动驾驶技术可以在技术和应用上发挥更大的潜力。

局部地图技术的应用有多种优势。一种是通过结合常规导航地图和高精度局部地图,使得自动驾驶能够在任意常规道路上行驶,摆脱对高精地图的依赖。车辆可以通过导航地图进行全局道路规划,并通过局部地图进行具体轨迹规划,即使没有高精地图的情况下,自动驾驶功能也能正常启用,完成从A点到B点的行驶。

另一种应用是基于局部地图构建端到端的整体方案,也被称为单栈式方案。近年来,以学习为主的规划算法成为新的趋势,局部地图作为一种直接的输出形式,可以更方便地融合感知和规划,形成一个整体的网络。

因此,局部地图技术成为近年来备受关注的技术热点。视觉信号携带着丰富的环境信息,包括语义和几何信息,因此视觉建图的思路已经在众包地图和泊车地图等领域得到验证和应用。其中,最常用的方法是视觉SLAM(同步定位与地图构建)。随着BEV(Bird's Eye View)感知的快速发展,BEV视角的语义分割和道路环境理解成为在线视觉建图的首选。它能够融合多个相机视角的图像,提取丰富的环境信息,具有更强的鲁棒性。此外,BEV视角的语义分割更便于与其他BEV视角的感知任务和规划任务整合,形成端到端的整体方案,进行全局优化。

与其他地图相比,局部地图不仅关注地图信息的高精度,还注重车端实时性,这对算法提出了更高的要求。为了满足自动驾驶的需求,纽劢科技的感知团队去年提出了一种基于Transformer的BEV语义分割算法,名为BEVSegFormer。该算法不仅取得了业界最优的性能,还扩展了deformable attention形成multi-camera cross attention,实现了BEV空间的查询和图像特征之间的关联。与传统方法不同的是,BEVSegFormer不依赖于预先构建的高精度地图,而是实时生成局部地图,并能够适应不同场景和变化的道路环境。

纽劢科技在局部地图与全场景驾驶技术的研究中取得了突破性的成果,为自动驾驶技术的发展带来了新的可能性。他们的创新方法不仅提高了自动驾驶的性能和安全性,还降低了对高精度地图的依赖。随着局部地图技术的不断进步和应用,我们可以期待自动驾驶技术在未来实现更广泛的应用和商业化落地。