广告
达摩院自动驾驶技术升级：模拟线束量提升 3 倍以上
2020-08-14 12:35:22· 来源：无人驾驶视界
阿里巴巴达摩院宣布，其自研感知算法实现了对低线束 LiDAR（激光雷达）的高线束模拟，间接将 LiDAR 线束量提升 3 倍以上，实现低成本普通激光雷达替代高成本雷达
阿里巴巴达摩院宣布，其自研感知算法实现了对低线束 LiDAR（激光雷达）的高线束模拟，间接将 LiDAR 线束量提升 3 倍以上，实现低成本普通激光雷达替代高成本雷达。能探测障碍物的激光雷达是自动驾驶车辆最重要的 “眼”，此算法突破相当于用 “低像素相机拍出单反相机效果”，可大幅降低自动驾驶感知部件成本。
在自动驾驶实际落地场景中，往往需要高密度的 LiDAR 才能满足感知需求，而 64 线以上 LiDAR 成本居高不下，成为自动驾驶大规模商业化瓶颈之一。达摩院自动驾驶实验室环境感知算法能结合摄像头图像，对低线束 LiDAR 点云进行深度补全及语义识别，实现更稠密的激光雷达点云图 3D 重建效果，不仅可更精确地读取障碍物距离及形状等信息，也可更精准判断其类别信息。
▲ 上图为低线束 LiDAR 原始点云，下图为经达摩院算法深度补全后的点云，LiDAR 线束量提升了 3 倍以上，且自动驾驶车辆更好辨别出了障碍物。
在精度指标上，达摩院采用低线束激光雷达输入，实现了业内采用高线束激光雷达输入的平均水平，50 米内障碍物距离信息读取平均误差为 25 厘米左右，同时，达摩院进行深度补全任务时可达到 100fps（每秒传输帧数）的处理能力。
在自动驾驶实际落地场景中，往往需要高密度的 LiDAR 才能满足感知需求，而 64 线以上 LiDAR 成本居高不下，成为自动驾驶大规模商业化瓶颈之一。达摩院自动驾驶实验室环境感知算法能结合摄像头图像，对低线束 LiDAR 点云进行深度补全及语义识别，实现更稠密的激光雷达点云图 3D 重建效果，不仅可更精确地读取障碍物距离及形状等信息，也可更精准判断其类别信息。
▲ 上图为低线束 LiDAR 原始点云，下图为经达摩院算法深度补全后的点云，LiDAR 线束量提升了 3 倍以上，且自动驾驶车辆更好辨别出了障碍物。
在精度指标上，达摩院采用低线束激光雷达输入，实现了业内采用高线束激光雷达输入的平均水平，50 米内障碍物距离信息读取平均误差为 25 厘米左右，同时，达摩院进行深度补全任务时可达到 100fps（每秒传输帧数）的处理能力。
广告 
最新资讯
-
整车主观性能评价工程技术与主客观数据关联
2026-01-24 10:16
-
整车检测线技术及智能化发展进展解析
2026-01-24 10:15
-
车辆外形与风阻测试技术及其在能效优化中的
2026-01-24 10:14
-
整车排放测试技术与法规验证方法解析
2026-01-24 10:14
-
整车噪声测试技术与电动化背景下的声学评价
2026-01-24 10:13
