浪潮信息獲CVPR2024自動駕駛挑戰(zhàn)賽"Occupancy& Flow"冠軍

北京2024年6月25日 /美通社/ -- 近日，在全球權威的CVPR 2024自動駕駛國際挑戰(zhàn)賽(Autonomous Grand Challenge)中，浪潮信息AI團隊所提交的"F-OCC"算法模型以48.9%的出色成績斬獲占據(jù)柵格和運動估計(Occupancy & Flow)賽道第一名。繼22、23年在純視覺和多模態(tài)等自動駕駛感知方向，多次登頂nuSences 3D目標檢測榜單后，該AI團隊面向Occupancy技術再一次實現(xiàn)突破，實現(xiàn)了對高度動態(tài)及不規(guī)則的駕駛場景更精準的3D感知及運動預測。

CVPR 2024自動駕駛國際挑戰(zhàn)賽是國際計算機視覺與模式識別會議(IEEE/CVF Conference on Computer Vision and Pattern Recognition)的一個重要組成部分，專注于自動駕駛領域的技術創(chuàng)新和應用研究。2024年CVPR自動駕駛國際挑戰(zhàn)賽，包含感知、預測、規(guī)劃三大方向七個賽道，旨在深入探索自動駕駛領域的前沿課題。

三維感知和預測是自動駕駛領域的新興任務，要求對車輛行駛場景進行細粒度建模，對于提升自動駕駛的環(huán)境感知能力有著重要意義。此次浪潮信息AI團隊所登頂?shù)恼紦?jù)柵格和運動估計(Occupancy & Flow)賽道，是CVPR 2024自動駕駛國際挑戰(zhàn)賽最受關注的賽道，聚焦感知任務，吸引了全球17個國家和地區(qū)，90余支頂尖AI團隊參與挑戰(zhàn)。比賽提供了基于 nuScenes 數(shù)據(jù)集的大規(guī)模占用柵格數(shù)據(jù)與評測標準，要求參賽隊伍利用相機圖像信息對柵格化三維空間的占據(jù)情況(Occupancy)和運動(Flow)進行預測，以此來評估感知系統(tǒng)對高度動態(tài)及不規(guī)則駕駛場景的表示能力。

• 占據(jù)柵格 Occupancy：挑戰(zhàn)更精細的環(huán)境感知與預測

道路布局的復雜性、交通工具的多樣性以及行人流量的密集性，是當前城市道路交通的現(xiàn)狀，也是自動駕駛領域面臨的現(xiàn)實挑戰(zhàn)。為了應對這一挑戰(zhàn)，有效的障礙物識別和避障策略，以及對三維環(huán)境的感知和理解就變得至關重要。傳統(tǒng)的三維物體檢測方法通常使用邊界框來表示物體的位置和大小，但對于幾何形狀復雜的物體，這種方法往往無法準確描述其形狀特征，同時也會忽略對背景元素的感知。因此，基于三維邊界框的傳統(tǒng)感知方法已經(jīng)無法滿足復雜道路環(huán)境下的精準感知和預測需求。

Occupancy Networks（占據(jù)柵格網(wǎng)絡） 作為一種全新的自動駕駛感知算法，通過獲取立體的柵格占據(jù)信息，使系統(tǒng)能夠在三維空間中確定物體的位置和形狀，進而有效識別和處理那些未被明確標注或形狀復雜的障礙物，如異形車、路上的石頭、散落的紙箱等。這種占據(jù)柵格網(wǎng)絡使得自動駕駛系統(tǒng)能夠更準確地理解周圍的環(huán)境，不僅能識別物體，還能區(qū)分靜態(tài)和動態(tài)物體。并以較高的分辨率和精度表示三維環(huán)境，對提升自動駕駛系統(tǒng)在復雜場景下的安全性、精度和可靠性至關重要。

• 全面提升！48.9%的絕佳性能表現(xiàn)，創(chuàng)本賽道最高成績

在占據(jù)柵格和運動估計(Occupancy & Flow)賽道中，該AI團隊所提交的"F-OCC"算法模型，憑借先進的模型結構設計、數(shù)據(jù)處理能力和算子優(yōu)化能力，實現(xiàn)了該賽道最強模型性能，在RayIoU（基于投射光線的方式評估柵格的占用情況）及mAVE（平均速度誤差）兩個評測指標中均獲得最高成績。

■ 更簡潔高效的模型架構，實現(xiàn)運算效率與檢測性能雙突破

首先，模型整體選擇基于前向投影的感知架構，并采用高效且性能良好的FlashInternImage模型。同時，通過對整體流程進行超參調優(yōu)、算子加速等優(yōu)化，在占據(jù)柵格(Occupancy)和運動估計(Flow)均獲得最高分的同時，提升了模型的運算效率，加快了模型迭代與推理速度。在實際應用場景中，這種改進使得模型能夠更快速、高效地處理大規(guī)模3D體素數(shù)據(jù)，使得自動駕駛車輛能更好地理解環(huán)境，進而提升決策的準確度和實時性。

■ 更強大完善的數(shù)據(jù)處理，全面提升模型檢測能力

在數(shù)據(jù)處理方面，比賽提供的體素(Voxel)標簽包含了大量在圖像中無法觀測到的點，例如被物體遮擋的體素和物體內部不可見的體素，這些標簽在訓練過程中會對基于圖像數(shù)據(jù)的預測網(wǎng)絡訓練產(chǎn)生干擾。在訓練數(shù)據(jù)中，該AI團隊通過模擬LiDAR光束的方法，生成可視化掩碼，提升了模型的預測精度；另一方面，通過引入感知范圍邊緣的體素點參與訓練，有效解決出現(xiàn)在感知邊緣區(qū)域的誤檢問題，將模型的整體檢測性能提升11%。

■ 更精細的3D體素編碼，模型占據(jù)預測能力提升超5%

在3D體素特征編碼模塊中，該算法團隊將具有較大感知范圍和編碼能力的可形變卷積操作應用于3D體素數(shù)據(jù)，以提升3D特征的表示能力。通過使用CUDA對可形變3D卷積(DCN3D)進行實現(xiàn)與優(yōu)化，大幅提升了模型的運算速度，并有效降低了顯存消耗。通過DCN3D替代傳統(tǒng)3D卷積，模型整體占據(jù)預測能力提升超5%。

基于OCC 3D空間感知算法的創(chuàng)新， "F-OCC"算法模型成功登頂占據(jù)柵格和運動估計任務(Occupancy & Flow)榜單，以48.9%的出色成績創(chuàng)造了本賽道的最高成績，為探索更高級別的自動駕駛技術提供了有力的支撐與經(jīng)驗。未來，浪潮信息AI團隊將踐行多角度切入，發(fā)揮算法、算力融合的AI全棧優(yōu)化能力，推動自動駕駛領域的技術創(chuàng)新發(fā)展。