近日，在自動駕駛權威評測集 nuScenes上，京東物流自動駕駛團隊提出的雷達和圖像前融合算法PAI3D，獲得多傳感器融合3D目标檢測世界第一的成績（使用任意傳感器，不使用額外資料），這意味着京東物流末端配送自動駕駛技術已經位于世界領先水準。
PAI3D是京東物流自動駕駛基于豐富的末端配送場景經驗，提出的雷達和圖像前融合3D目标檢測算法，該算法充分考慮了識别精度，計算效率，傳感器标定誤差等問題。在車端實際使用中，有效解決了遠處點雲稀疏導緻的識别不穩定、特殊材質吸收點雲導緻的漏檢、細小障礙物難以識别以及僅依賴單目視覺3D目标檢測深度估計不準确等問題，有力支撐了京東物流智能配送車的大規模營運。
nuScenes資料集是由現代汽車集團和Aptiv合資成立的自動駕駛公司Motional(前nuTonomy)于2019年3月公布的超大型自動駕駛資料集，擁有從波士頓和新加坡等城市收集的1000個駕駛場景，140萬張圖像，39幀萬雷射雷達點雲，140萬毫米波雷達幀和從4萬關鍵幀中标注的140萬個障礙物真值框，是第一個大規模自動駕駛資料集，該資料集來自自動駕駛車輛的整個傳感器套件(6個攝像頭，1個雷射雷達，5個雷達，GPS，IMU）的資料,在标注資料量上是KITTI資料集的7倍，其規模和難度超過KITTI、Udacity等公共資料集。同時參與 nuScenes 多傳感器融合3D目标檢測的包括華為、商湯科技、三星、中國科學技術大學、上海交通大學、北京航空航天大學、北京理工大學、香港中文大學、得克薩斯大學奧斯汀分校、南洋理工大學、約翰斯·霍普金斯大學等國内外知名企業和研究機構。
目前在自動駕駛L4方案中，感覺主要依賴雷射雷達，但雷射雷達存在一些缺陷，比如遠處資訊稀疏，沒有顔色資訊等。圖像資訊可以彌補這些缺陷，但也缺乏深度資訊。是以，在自動駕駛的技術中，如何利用多模态的傳感器資訊來設計3D檢測算法，是自動駕駛感覺系統的核心基礎。京東物流此次提出的PAI3D算法，通過在進階特征和低級特征層面融合圖像和點雲資訊，揚長避短，取得了很好的識别精度。同時PAI3D考慮了車端的算力配置設定，傳感器标定誤差等因素，具備良好的實用性。此外，PAI3D還有效的解決了複雜公開道路營運中遇到的一系列難題，例如，遠處點雲稀疏導緻的識别不穩定、特殊材質吸收點雲導緻的漏檢、細小障礙物難以識别, 以及僅依賴單目視覺3D目标檢測深度估計不準确等問題，提升了障礙物位置和類别估計的準确度，減少了障礙物誤檢測和漏檢測。
PAI3D此次取得nuScenes資料集多傳感器融合3D目标檢測世界第一的成績，可以為京東物流末端配送的自動駕駛技術帶來以下三點優勢。首先是可通過多傳感器融合實作子產品複用、任務複用。随着營運場景增加，自動駕駛的感覺系統需要識别越來越多的要素，PAI3D能跨傳感器模态進行資訊融合，充分利用圖像和點雲語義分割資訊來實作1+1>2的效果。第二，充分考慮了計算資源配置設定的問題，具備靈活部署到車端異構并行計算平台的實用性。在未來的車載系統中，需要考慮分時複用、異構并行計算等問題。PAI3D的融合方式可以随着計算資源變化而靈活部署。第三，标定誤差和運動補償不敏感，在日常營運中，傳感器相對位置會随着時間積累而變化，并且雷射雷達和相機的實體原理導緻兩者之間存在一定程度的時空不一緻性。PAI3D充分考慮了這個問題，能在一定限度内容忍标定誤差和運動補償誤差，具備很強的容錯性。正是基于這三點優勢，不僅彰顯出京東物流在自動駕駛領域的技術實力，而且意味着京東物流末端配送自動駕駛技術已經位于世界領先水準。
近年來，在長期技術投入和創新驅動下，京東物流軟體、硬體及系統內建的三位一體供應鍊物流技術核心競争力持續更新，目前已形成了覆寫園區、倉儲、分揀、運輸、配送等供應鍊各關鍵環節的技術産品及解決方案，以提升預測、決策和智能執行能力，幫助更多客戶全面優化供應鍊網絡，提升數智化能力和營運效率。
文/北京青年報記者 溫婧
編輯/田野