上海市嘉定区人民政府

车开得好好的，突然行人横穿马路，导致司机来不及避让，造成交通事故。如果司机能有一双具有“穿透力”的眼睛，或许就能避免类似的事故。随着高阶智能驾驶的发展，对车辆所处的道路、车道等环境信息的准确度要求进一步提升，视角重叠障碍物间的分辨是攻克难点。

为解决上述问题，团队提出了全新的栅格占据预测方法——ＣＶＦｏｒｍｅｒ，以车辆为中心进行环视，有效克服车体周身障碍物的视角遮挡问题，给司机一双具有“穿透力”的眼睛。此方法的性能指标提高了１０２．３％，并将计算复杂度大幅降低，在算力上更具优势。

栅格占据预测ＣＶＦｏｒｍｅｒ在ｎｕＳｃｅｎｅｓ数据集上达到最优性能

开着开着，车辆莫名减速，原来是智能驾驶系统把月亮当成了黄灯……在智能驾驶领域，这类误判时有发生，机械组成的“大脑”并不能灵活判断任何场景，在情况复杂道路上，这种缺点显得更加明显，这就是智能驾驶系统中全景分割技术面临的挑战。

为解决这一问题，团队设计全新模型ＢＥＥ－Ｎｅｔ，显著提升对环境识别的精度和性能，让机械“大脑”更聪明。此方法在驾驶场景分割权威数据集ＣｉｔｙＳｃａｐｅｓ验证，以６５．０％的ＰＱ精度超越现有模型。

ＢＥＥ－Ｎｅｔ达到基于ＣＮＮ的全景分割模型最优性能

据悉，以上研究均由中国科学院上海微系统与信息技术研究所仿生视觉系统实验室李嘉茂研究员团队负责，已得到科技部科技创新２０３０、中国科学院青促会、上海市优秀学术带头人等项目支持，并被机器人领域顶级国际学术会议２０２４　ＩＥＥＥ（ＩＣＲＡ）录用。目前，两项技术均在路特斯下一代量产车型智能驾驶感知系统上完成测试验证。