L4自动驾驶中感知系统遇到的挑战及解决方案

导读： 本次分享的大纲——

• Perception Introduction
• Sensor Setup & Sensor Fusion
• Perception Onboard System
• Perception Technical Challenges

–

01 Perception Introduction

Perception系统是以多种sensor的数据，以及高精度地图的信息作为输入，经过一系列的计算及处理，对自动驾驶车的周围的环境精确感知。能够为下游模块提供丰富的信息，包括障碍物的位置、形状、类别及速度信息，也包括对一些特殊场景的语义理解（包括施工区域，交通信号灯及交通路牌等）。

Perception系统包括多个方面及子系统：

• 传感器：传感器的安装，视场角，探测距离，数据吞吐、标定精度，时间同步。因为用到的传感器比较多，时间同步的解决方案这里会起到非常重要的作用。
• 目标检测及分类：为了保证车辆百分百的安全，能够达到近似百分之百的召回率及非常高的准确率；这里会涉及到深度学习方面的工作，包括3D点云及2D Image上的物体检测及多传感器融合方面等。
• 多目标追踪：跟进多帧的信息计算并预测障碍物的运动轨迹。
• 场景理解，包括交通信号灯，路牌，施工区域，以及特殊类别，比如校车，警车。
• 机器学习分布式训练基础架构及相关的Evaluation评价系统。
• 数据：大量的标注数据，这里包括3D点云数据及2D的图片数据等。

目前传感器主要分为3个类别：

• Lidar激光雷达；
• Camera相机；
• Radar毫米波雷达。