车联网部署所采用的传感器主要包括摄像机,激光雷达和毫米波雷达。产品实现了多重传感器的融合感知算法模型流程与接口的标准化,通过统一的流程与接口,实现了不同厂商、技术之间对接的高效与便捷,降低对接成本,提升了产业的发展速度。方案通过对流程及接口的标准化,提高了不同供应商、厂商的技术、设备之间进行协议对接时的经济、时间成本,提升了产业的内在竞争力,加速了车联网产业发展。
该项成果对激光雷达点云障碍物感知的位置、大小、类别、朝向、轨迹、速度等进行了研究。对激光雷达的点云检测分割技术,启发式算法NCut和深度学习算法CNNSeg的流程进行了标准化。对分割原则过于简单,难以应对等实际情况进行了分析。同时对深度学习方法CNNSeg利用卷积神经网络处理激光雷达捕获的点云数据,并对点云中的目标进行识别进行了流程化的探索。
此外方案对视觉感知采用人工构造的特征和浅层分类器的方式实现辅助驾驶的流程化与接口标准化进行了研究,对视觉感知的主流技术路线:“深度学习+后处理计算”的方法特点如2D感知向3D感知渗透进行了标准化研究,初步制定了对应的标准化接口。
方案通过对流程及接口的标准化,提高了不同供应商、厂商的技术、设备之间进行协议对接时的经济、时间成本,提升了产业的内在竞争力,加速了车联网产业发展。
该科技成果研发团队人数10人,高级人员占比40%以上,经验丰富,分工明确。
评价单位:“科创中国”C-V2X车联网产业科技服务团 (中国通信学会)
评价时间:2022-11-19
综合评价
该成果满足车路协同项目的协议对接接口需求,可以支撑实际应用的V2X场景。市场暂未有同类产品出现,但考虑到不同厂商对自身标准及产品的支持,该产品在市场推广过程中可能会面临较大阻力。
总体而言,该项目技术思路方向很好,未来能够适应多种的应用场景,转化成熟度很高,值得支持推广。建议进一步降低成本,加大产业链开发力度。
查看更多>