清华大学|清华大学、蘑菇车联CAMO-MOT获nuScenes世界第一清华大学,蘑菇车联CAMO-MOT,李骏

2022年8月，清华大学车辆与运载学院李骏院士团队、蘑菇车联提出基于结合外观-运动优化的多模态融合三维多目标跟踪算法“CAMO-MOT（Combined Appearance-Motion Optimization）”，获自动驾驶领域权威评测数据集nuScenes跟踪任务榜单的世界第一名。
蘑菇车联是“车路云一体化”方案的提出者和先行者，具备“车路云一体化”全栈方案相关核心软硬件自研能力。此前，清华大学、蘑菇车联路侧感知数据集被国际顶级学术会议ICRA 2022接收。

文章图片

【清华大学|清华大学、蘑菇车联CAMO-MOT获nuScenes世界第一】ICRA是业界公认的人工智能领域最有影响力的国际学术会议

CAMO-MOT的nuScenes排位意味着李骏院士团队、蘑菇车联在自动驾驶感知技术方面达到世界领先水平。
nuScenes数据集数据规模和难度远超之前的自动驾驶数据集KITTI，完善的传感器数据和充足的数据量使得nuScenes数据集成为自动驾驶领域中使用最广泛的公开数据集之一，是目前世界最权威的自动驾驶评测集。参与 nuScenes 3D多目标跟踪任务的单位包括MIT麻省理工学院（BEVFusion）、阿里巴巴（GTFS）、香港科技大学（TransFusion）、上海交通大学与华为诺亚方舟实验室（AlphaTrack）等国内外知名研究机构和企业。

文章图片
蘑菇车联自动驾驶汽车大脑

据了解，清华大学李骏院士团队、蘑菇车联提出一种新的基于结合外观-运动优化的多模态融合三维跟踪框架CAMO-MOT，该框架同时使用相机和激光雷达数据融合，显著减少由于遮挡和误检导致的跟踪失败。对于遮挡问题，首先提出一个遮挡状态识别模块，可以多次有效地选择最佳的物体外观特征，减少遮挡的影响。针对错误检测严重影响跟踪效果的问题，设计了一种基于置信度评分的运动代价矩阵，提高在三维空间中定位和目标预测的精度。同时考虑现有的多目标跟踪方法仅对单一类别跟踪的缺陷，构建了多类别损失来实现多类别场景中的稳定多目标跟踪。

文章图片
蘑菇车联自动驾驶实现复杂目标识别

相机、激光雷达等多源感知数据有助于自动驾驶车辆准确识别周围环境。在此基础上，蘑菇车联构建了路端感知数据，来弥补单车感知的不足，帮助自动驾驶车辆在暴雨、黑夜、视野被遮挡等情况下实现安全行驶。这种车、路融合的技术方案在业内被称为“单车智能+车路协同”，蘑菇车联基于这一技术方案率先提出“车路云一体化”系统级方案，并围绕“车路云一体化”与清华大学推动行业技术进步。
清华大学李骏院士团队致力于研究以智慧城市、智能交通、智能汽车（SCSTSV）为核心理念的未来城市智能共享出行架构及智能共享运载工具，并在此基础上不断探索基于使能赋能融合一体化技术的高级智能网联汽车在各种复杂城市场景下实现更高效、更安全的协同网联驾驶（CCAD）和协同网联运载（CCAM）。三维多目标跟踪（3D Multi-Object Tracking, MOT）是跨越时间维度将连续帧检测的目标序列进行关联，获取不同物体的运动轨迹，是自动驾驶环境感知系统中的重要功能模块，对未来CCAD和CCAM平台系统的性能研发与产品设计有着重要的指导意义。
蘑菇车联拥有全栈自研的自动驾驶系统方案，具备新型道路基础设施建设、构建城市级智慧交通数字底座的技术能力，和城市级自动驾驶公共服务车队运营能力。目前，蘑菇车联项目已在北京、江苏、湖南、河南、云南、四川等落地。