达摩院自动驾驶技术升级:模拟线束量提升 3 倍以上
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。
-
汽车测试网V课堂
-
微信公众号
-
汽车测试网手机站
最新资讯
-
解决方案丨封装力对燃料电池堆的影响
2024-05-06 15:28
-
IDIADA提升动力总成环境舱测试能力,适用范
2024-05-06 15:23
-
NI×怿星:联合打造行业领先的L4自动驾驶数
2024-05-06 13:57
-
特斯拉FSD自动驾驶方案要点解读
2024-05-06 11:35
-
蔚赫信息储能BMS HiL系统:揭秘能源管理新
2024-05-06 10:49