韩国一区二区视频,黄色不卡一区,久久天堂av综合合色,中文字幕日韩专区

感知模塊作為智能駕駛模塊之一，是將物理世界與車機大腦相連接的重要一環。如何讓汽車像人類一樣，將“眼前所看”轉化為“腦中所想”，進一步變成“所作所為”，這對于算法模型有很大的考驗，BEV（Bird's Eye View）感知算法能夠更好地融合多傳感器的特征，提高感知和預測的準確率，成為當下智能駕駛解決方案的熱門選擇。零束科技憑借自主研發的BEV感知架構，設計基于Transformer技術的多任務模型訓練和全感知鏈路，在有限計算資源下成功實現了動態靜態障礙物感知、車道線感知、Freespace 、動態障礙物軌跡預測等多任務模型訓練；同時，通過外參增強、BEV平面增強和多模態向量引導訓練等技術，支持各極端場景泛化域的感知輸出，在各種復雜場景下表現出高精度的感知結果；基于強大的數據訓練平臺和模型快速迭代能力，實現智能駕駛全場景精準感知與預測，為客戶提供快速量產落地的智能駕駛解決方案。

基于Transformer技術的全場景精準感知BEV架構

零束科技BEV感知架構采用了部分共享網絡和多任務檢測網絡結構，融合 6V圖像融合網絡、時空融合網絡、BEV感知網絡和多任務檢測網絡的設計思想，不僅實現了核心功能如障礙物檢測、車道線檢測等，而且通過BEV occupancy網絡增強freespace感知，提升了對通用障礙物的感知精度。基于transformer技術建模agent與環境 ，輸出agent未來軌跡長度明顯超越傳統rule-based方法。

BEV障礙物檢測

采用多相機聯合方案，將所有相機的圖像輸入到一個神經網絡中，生成全局BEV視角特征圖，減少額外的跨相機障礙物重識別步驟。

BEV車道線檢測

基于GCN的道路拓撲預測網絡架構設計，顯著提升了車道線感知精度，可支持全場景 Mapless 。

BEV基于Transformer的軌跡預測

結合Transformer，設計車道線感知和動態障礙物的軌跡預測，顯著提升了智能駕駛系統的感知能力和可靠性。

支持各極端場景泛化域的感知輸出，精準提供感知結果

智能駕駛系統的可靠性在各種復雜的道路、氣象條件和交通狀況下至關重要。為解決不同車型傳感器外參帶來的感知輸出偏移問題，零束科技采用了外參增強技術和BEV平面增強技術，準確適配各類極端和非常規場景挑戰，增強智駕系統在各種復雜場景中的高魯棒性和適應性，從而降低事故風險。此外，為進一步提升模型在極端環境下的輸出精度，引入多模態向量引導訓練技術，通過對不同模態數據的引導，使模型能夠在各種復雜和極端情況下提供更準確感知結果，包括黑夜、雨天、雪天、霧霾等惡劣場景，以及密集車流中出穿梭的行人和非機動車（包括身穿雨衣的行人和非機動車）。

 BEV平面增強技術

黑夜場景

雨天場景

強大的數據訓練平臺和模型快速迭代能力

訓練數據方面，零束科技采用了三個來源的數據作為車端模型的訓練基礎，包括數采自動標注和人工標注、仿真數據和長尾數據。通過引入大模型技術，生成各種類型的仿真數據和Corner Case數據，其中涵蓋了黑夜、雨天、特殊裝桶、特殊路牌、特殊紅綠燈、車道線、交通路面標志、機動車、行人等各種場景和目標。在不同光照環境、遮擋環境和姿態下，實現了完整的合成鏈路和數據標注鏈路，成功克服了長尾場景的數據補充難題，確保車端模型的有效迭代 。

未利用黑夜生成數據訓練，車輛漏檢

利用黑夜生成數據訓練，車輛成功檢出

模型迭代方面，引入互聯網的敏捷開發流程和門徑式管理，形成了零束科技自己獨特的視覺感知管理體系。迭代速度達到了每月一個大版本，每周一個小版本，已實現了自動上下匝道、大曲率匝道無接管、自動變道超車等功能落地，為零束科技打造高性價比的感知和預測算法產品。

目前，零束科技已完成BEV架構的前融合網絡構建，并積極拓展多模態的前融合架構，未來，零束科技將結合預測和規劃，形成完備結構的端到端自動駕駛框架，不斷擴展智駕場景“邊界”，持續為用戶帶來新價值。