路侧3D感知算法
背景意义
自动驾驶在帮助减少交通事故、提高交通效率方面发挥着至关重要的作用。而当前的感知系统主要为移动车辆配备激光雷达或车载摄像机传感器。自动驾驶车在行驶的过程中,车辆的感知系统不能长时间观察周围环境。
此外,由于安装的传感器高度相对较低(通常在车辆顶部),感知范围相对有限,容易受到遮挡的影响。相反,从路边摄像头捕获的数据在遮挡鲁棒性和长时间大范围的预测方面具有其固有的优势,因为它们是从安装在距离地面几米高的杆子上的相机收集的。
路侧感知的重要性如下:
1

协同车载自动驾驶,实现车路协同。由于存在视野盲区,车载感知仍然面临安全挑战和不受控制的威胁。相反,路侧视图可以覆盖盲点,与车载视角相比有额外的优势:远距离全局视角,可在空间和时间上扩展车辆的感知场,并进行全局轨迹预测以确保安全。例如,在某个静止车辆后面行走的行人可能会突然撞上正在行驶的车辆,因为车辆传感器由于感知范围有限或严重遮挡而无法检测到环境的突然变化。相反,路侧视角能够及时进行行为预测。
2
全局感知。现有视图数据集中更近的物体会遮挡更多物体(即使使用环视传感器),从而导致视野盲区。现在有了安装在头顶的路侧摄像头,可以看到不可见的区域。此外,由于路侧视图是全局感知的,因此当队列中有一辆死车时,可以通知自动驾驶汽车选择更快的车道。
3
具有绿色低成本效益。在成本方面,通过协作感知和成本效益来确保安全是值得的,因为来自路边摄像头的信息可以广播到所有周围的自动驾驶车。
4
智能交通控制。路侧感知还有助于智能交通控制和流量管理。
路侧单目3D检测与传统自动驾驶3D检测任务相比,本任务需要解决3个难点。

首先,由于每个路侧相机具有不同的配置,例如相机内参数、俯仰角、安装高度,因此存在歧义性,这在很大程度上增加了单目3D检测任务的难度。
其次,由于路侧相机安装在杆子上,而不在车顶的正上方,因此相机光轴与地面平行的假设不再成立,无法直接应用具有此先验的单目3D检测方法。第三,由于路侧视角下的感知范围更大,能观察到更多的物体,增加了感知系统的密度和难度。所有这些差异都表明了直接应用大多数现有的3D检测方法不可行。
因此,需要将现有的单目3D检测方法改进后适配到路侧应用,提升感知精度。
赛题内容
 本竞赛赛题聚焦路侧相机视角下的单目3D检测任务,参赛队伍基于路侧图像数据及标注信息,设计单目3D检测算法,实现对路侧感兴趣区域内的障碍物目标类别、2D框、3D位置、长宽高、朝向等信息的预测。
赛题描述
路侧相机视角下的单目3D检测。
输入:图像输入:路端数据(图像),以及标定文件。
输出:路侧感兴趣区域内的障碍物目标类别、2D框、3D位置、长宽高、朝向等。
目标:提高算法在测试集上的3D目标检测精度。
比赛时间
大赛分为初赛和决赛两个比赛环节。
初赛时间:2022年8月初-10月07日
决赛时间:2022年11月1日-11月15日
参赛详情将于开赛前在大赛官网及官方公众号发布,敬请关注。
继续阅读
阅读原文