自動駕駛權威評測世界前列，鑒智機器人推出純視覺3D感知新范式
日前，在自動駕駛權威評測集 nuScenes 上，鑒智機器人憑借提出的純視覺自動駕駛 3D 感知新范式 BEVDet，以絕對優勢獲得純視覺 3D 目標檢測世界第一的成績。BEVDet 是首個公開的同時兼具高性能、擴展性和實用性的 BEV 空間 3D 感知范式，以 BEVDet 為核心的系列技術將有希望解決視覺為主自動駕駛解決方案中視覺雷達、4D 感知、實時局部地圖等關鍵問題，未來將應用于鑒智機器人以視覺雷達為核心的高級別自動駕駛等產品和解決方案中，為自動駕駛的大規模量產發揮關鍵的作用。
BEVDet技術報告鏈接：https://arxiv.org/abs/2112.11790
nuScenes 數據集是自動駕駛領域使用最廣泛的公開數據集之一，也是目前最權威的自動駕駛純視覺 3D 目標檢測評測集。在傳感器方面，nuScenes 一共配置了 6 個相機、1 個 LiDAR、5 個 RADAR，值得注意的是，和 KITTI 和 Waymo 等僅提供部分視角的數據集不同，nuScenes 提供了 360 度的相機視野，可以對周圍環境進行全方位的感知。數據方面，nuScenes 提供了包含二維、三維物體標注、點云分割、高精地圖等豐富的標注信息，共包含 1000 個場景、140 萬幀圖像、39 萬幀激光雷達點云數據、23 個物體類別、140 萬個三維標注框，數據規模和難度遠超自動駕駛數據集 KITTI。此前參與 nuScenes 純視覺 3D 目標檢測評測的廠商包括豐田研究院（TRI）、華為、理想汽車、商湯科技、MIT、清華大學、香港中文大學、CMU、加州大學伯克利分校等國內外知名企業和研究機構。
圖 1：鑒智機器人提出的 BEVDet 在純視覺 3D 目標檢測賽道以絕對優勢位列榜首（包括不加額外數據和加上額外數據兩種評測模式）
高級別自動駕駛需要時刻對周圍的環境進行感知以進行決策規劃，而基于純視覺輸入進行 3D 空間中的目標檢測是其中最具挑戰的任務之一。由 2D 圖像感知 3D 空間的目標，是利用低維度的輸入預測高維度信息，維度缺失使得任務的難度遠大于 2D 目標檢測，需要設計合理的范式充分利用輸入圖像信息對高維度信息進行建模推理。目前業界基于純視覺的 3D 感知框架，主要在圖像空間進行目標檢測。此類范式不僅依賴極高的算力資源，另外也無法與語義分割等任務進行并行推理，可擴展性較差。
針對該問題，鑒智機器人提出了下一代純視覺自動駕駛 3D 目標檢測框架 BEVDet。BEVDet 遵循模塊化設計的理念，包含以下四個分工明確的模塊：圖像編碼模塊用于在二維圖像空間提取高緯度的特征；視角變換模塊用于把圖像空間的特征轉換到鳥瞰視角空間（Bird-Eye-View, BEV）的特征；鳥瞰視角的編碼模塊用于在鳥瞰視角下進一步提取特征；以及一個三維目標預測模塊（Head）用于在鳥瞰視角空間對三維目標的定位、尺度、朝向、速度和類別的預測。BEVDet 通過上述的四個模塊簡潔的解決純視覺自動駕駛 3D 目標檢測的問題。
圖 2：BEVDet 整體框架
最后的性能也充分證明了該算法的有效性，在自動駕駛權威數據集 nuScenes 上，BEVDet 在計算量和精度等指標上都具有絕對的優勢。相比于之前的算法，BEVDet 通過更小的 1/8 輸入分辨率，更低的 1/4 的計算量，可以達到相近的精度指標。在使用相似分辨率輸入的情況下，BEVDet 擁有明顯的精度優勢。此外，BEVDet 在預測目標的定位、尺度、方向等方面皆表現出超越已有范式的性能。
圖 3：鑒智機器人提出的 BEVDet 在純視覺 3D 目標檢測公開測試集上同時具備高性能和低算力要求的特點
從自動駕駛技術發展角度看，BEVDet 具有以下的優勢：
- BEVDet 框架具有較強的擴展性，鑒智機器人正基于 BEVDet 進行擴展，實現視覺雷達、4D 感知、實時局部地圖等自動駕駛關鍵模塊；
- BEVDet 基于相機模型構建 view-transformer ，可有效降低視覺變換模塊的學習難度，相比特斯拉所使用的不帶先驗的 attention-based-view-transformer，此方案可大幅度減少模型對數據量需求，使模型在數據量有限情況下的具備更強的泛化性能；
- BEVDet 利用更低的算力達到同樣或者更好的算法效果，將有助于自動駕駛系統的算力利用效率的提升。
圖 4：鑒智機器人基于 BEVDet 實車視覺 3D 感知效果
當前自動駕駛技術的發展已經進入下半場，一方面需要解決關鍵性問題（成像問題、3D 問題）推動自動駕駛等級的提升，另一方面需要構建更優的范式充分利用規模化的數據并進行持續升級迭代。
鑒智機器人以 “基于軟硬協同優化，構建機器人傳感器計算與智能大腦” 為目標，專注自動駕駛傳感器計算與下一代自動駕駛方案的研發。目前已建立起覆蓋算法、算力、軟件、硬件的 100 余人的全棧自動駕駛研發團隊，核心成員均來自國內一流 AI 算法、算力設計和自動駕駛公司。將基于視覺為主的傳感器輸入，通過攝像頭 + 算法 + 算力的傳感器計算模式，打造視覺雷達標準產品，并構建以視覺雷達為核心的高級別自動駕駛解決方案。
