广州

项目背景:点云占据栅格地图用于静态障碍物表征,占据高程地图显示地面起伏状况,此局部地图主要用于规划避障。

项目职责:点云3D占据栅格地图算法设计,CUDA化加速,工程化部署

项目业绩:

基于2D占据栅格地图算法思想进行升级,实现3D占据栅格地图算法。

用CUDA并行化加速后,在orin上完成部署,耗时50ms。

广州

项目背景:BEV网络相机单模态3d检测性能有限,mAP35左右。在相机模态基础上,加入激光模态,希望双模态达到更高

的目标检测性能。

项目职责:在BEVerse多相机单模态网络上加入激光模态,提高目标检测性能;BEVerse网络的工程化部署

项目业绩:

在BEVerse网络中加入CenterPoint激光目标检测网络(Pillar表征),双模态网络实现了比单激光网络更优的检测指

标,提升2.4个点

完成BEVerse模型中backbone等环节工程化部署。

广州

项目背景:飞行场景下,对运动目标进行检测。但空中障碍物种类繁多,常规目标检测只能检测固定类别,希望深度学习模

型对未训练过的目标也具有一定检测性。

zGu1kL5e202304121149

项目职责:运动目标检测算法调研以及baseline确定;利用自己数据集跑通算法并复现论文中表现;对模型进行工程化部署

项目业绩:

调研了以场景流为主要技术手段的相关论文,主要FlowNet3D、PillarMotion等,最终确定了MotionNet为

baseline。

利用自己数据集生成训练格式数据,并完成模型训练。

在Orin上完成项目的工程化部署,并满足实时性,40ms。

广州

项目背景:飞行场景下,对激光点云数据进行语义分割,主要区分地面、飞机、车辆、人、其他等类别

项目职责:完成模型工程化部署;前后处理改为CUDA加速版本

项目业绩:

完成模型转换,从pth->onnx->trt转换,并完成整体框架搭建,以及工程化部署,orin整体耗时30ms。

前处理中完成CUDA转写,点云数据到伪图像转换,并构建5维特征。

后处理中实现CUDA版本的topk()算子,确定伪图像素类别,进而还原点云类别。

小鹏汇天科技有限公司 2022年04月 - 2022年06月

感知算法高级工程师 自动驾驶中心

广州

项目背景:飞行场景下,点云经地面分割后,通过聚类可得到障碍物包围盒。但传统聚类算法很难设置聚类阈值,容易出现

过欠分割状态,尤其是L形长围墙会形成内部含有巨大空白区域的包围盒。

项目职责:设计聚类的后处理算法,针对大面积空白区域的聚类进行合理的二次拆分。

项目业绩:

利用二维投影面积的思想,将属于其他类的障碍物进行迭代二次拆分,直到满足条件为止,耗时小于1ms;

专利《障碍物点云处理方法及飞行设备》

长沙

项目背景:矿车自动驾驶项目,矿区环境风沙大,激光对空中粒子有误检,影响自动驾驶。此外矿区采矿位置,需要矿车后

车轮尽可能靠近爆堆,故有效检测和识别是否能安全入库成为技术难点。矿区路面上的小石块,高度通常低于20cm,常规

地面分割检测距离较近,车辆无法刹停,此石块容易造成矿车车胎受损。

项目职责:设计并实现算法,减少空中粒子误检问题;设计并实现算法,解决爆堆倒车入库时的安全识别问题;设计并实现

算法,解决矿区中远距离小石块的检测与识别问题。

项目业绩:

针对大疆的Horizon系列激光,利用扬尘强度值、高程、平均强度、点数占比等设计特征,滤除率在95%以上.

成功解决安全入库的技术难点。系统发送车位数据,利用自车后向雷达及轮胎高度等构建“安全区域”。相对于传统障

碍物俯视投影,构建最小包围盒的方式,本方案采用侧视投影,更好利用高度信息。 利用“安全模型”图像和多备选车

位结合的方式进行判断。专利《基于激光雷达矿区采矿面倒车入库安全性检测方法》

采用摄像头目标检测和激光多帧叠加的精细化处理,该融合方案提升了中远距离小障碍物检测率。

长沙

项目背景:L4园区物流自动驾驶货车项目,园区内障碍物检测,多种不同品牌激光的标定,日常问题排查与维护工作

项目职责:园区内障碍物检测;实现并开发DBSCAN,开发聚类评价指标;多激光到INS标定工作

项目业绩:

设计并实现障碍物检测方案,利用静态点云地图与单帧点云KNN匹配,类似图像背景差分算法。

实现密度聚类的变种算法,实现纯度、兰德系数、F分数等指标,进行聚类性能评价,此算法在防撞杆与车辆紧邻时,有

效分离两类障碍物。

设计并开发了激光标定工具箱,包含Apollo2.5 标定工具、基于激光地图的多激光自动标定工具、基于Slam和手眼模型

zGu1kL5e202304121149

的标定工具、点云静态外参调整及可视化工具、标定精度评定工具等。

长沙

项目背景:L4高速物流重卡项目,在高速闸道、U型弯场景下,车头与挂箱箱体会形成一定角度,箱体会被激光误检成障碍

物,影响自动驾驶。

项目职责: 设计并实现障碍物过滤算法,解决转弯时的挂箱误检问题;设计地面分割算法,减少地面误检;激光驱动开发,

适配布置的多种雷达类型。

项目业绩:

在轻微避障、U型弯场景下,过滤掉被误检的箱体障碍物,同时保证其他影响正常行驶障碍物不被过滤掉,滤除率

98%。专利《智能驾驶中障碍物检测去干扰方法、装置和计算机设备》

设计并实现多种传统地面分割算法,替代了原来的平面分割算法,准确率提高2个点。

开发驱动工程,能够兼容多种品牌激光,并通过外参、时间戳进行多激光融合。