介绍一种无人驾驶汽车中可行驶区域和车道分割的高效轻量级模型

时间: 2024-11-11 06:06:18 | 作者: 成功案例

本文介绍了TwinLiteNet：一种无人驾驶汽车中可行驶区域和车道分割的高效轻量级模型。语义分割是无人驾驶中理解周围环境的一项常见任务。可行驶区域分割和车道检验测试对于道路上安全且高效的导航特别的重要。然而，原始的语义分割模型计算代价高昂，并且需要高端硬件，这对于无人驾驶汽车中的嵌入式系统是不可行的。

本文提出了一种用于可行驶区域和车道线分割的轻量级模型。TwinLiteNet设计代价低廉，但是能获得精确且高效的分割结果。我们在BDD100K数据集上评估了TwinLiteNet，并且将其与现代模型进行比较。

实验根据结果得出，TwinLiteNet的表现与现有方法类似，所需要的计算资源明显减少。具体而言，TwinLiteNet使用仅40万个参数在可行驶区域分割任务中获得91.3%的mIoU得分以及在车道检测任务中获得31.08%的IoU得分，并且在GPURTX A5000上实现了415FPS帧率。此外，TwinLiteNet可以在计算能力有效的嵌入式设备上实时地运行，尤其是因为它在Jetson Xavier NX上实现了60FPS帧率，这使其成为无人驾驶汽车的理想解决方案。

2）本文提出的架构基于ESPNet，它是一种可扩展的卷积分割网络，其结合了深度可分离卷积以及双重注意力网络，但是没用单个解码模块，而是针对每个任务利用两个解码模块，类似于YOLOP、YOLOPv2；

3）本文实验结果表明，TwinLiteNet在各种图像分割任务上通过较少的参数实现了不错的性能。

本文为无人驾驶任务（特别是可行驶区域分割和车道检测）引入了一种轻量级且高效的分割模型。本文的TwinLiteNet旨在实现高处理速度，同时在准确性方面稍作权衡。本文在BDD100K数据集上评估了TwinLiteNet，根据结果得出，本文模型在GPUs甚至边缘设备上实现了精度和高计算速度之间的良好平衡。今后，我们试图在各种开源数据集上评估TwinLiteNet模型的性能，并且将其应用于现实世界场景中。该方法使我们也可以评估其在不一样的情况下的有效性，并且应对实际挑战。

关键字：无人驾驶汽车引用地址：介绍一种无人驾驶汽车中可行驶区域和车道分割的高效轻量级模型

上一篇：基于RT-Thread+RA6M4的麦轮结构底盘运动控制管理系统设计

下一篇：怎么使用Simcenter Amesim来评估燃料电池电动汽车的补氢时间呢？

图片来源：Velodyne Lidar官网据外国媒体报道，Velodyne Lidar, Inc.推出了Puck 32MR™传感器，为低速无人驾驶市场提供高成本效益的感知解决方案，包括工业车辆、机器人、航天飞机以及无人机。该激光雷达传感去可为中端应用提供丰富的感知数据。 Puck 32MR不仅仅具备Velodyne专利环绕视图感知能力，还拥有120米量程和40度垂直视野范围，能在陌生的动态环境中导航。Puck 32MR能在所有光照条件下产生高分辨率点云，并且噪音较小。该传感器还能精确探测人行横道、路边、车辆、行人、自行车与障碍物，能大大的提升效率，保证道路安全。此外，该传感器外形紧凑，并且性能可靠、耐用。 Puck 32

提供高分辨率实时激光雷达 /

近日，在美国亚利桑那州坦佩市，一辆处于无人驾驶模式的优步无人驾驶汽车撞死一位行人。尽管这并不是无人驾驶汽车首次发生意外事故，但却是全球首起无人驾驶致死案件。事发后，汽车制造商沃尔沃确认了肇事车辆为该品牌XC90，不过是专门用于优步无人驾驶测试的版本。沃尔沃发言人罗素·迪兹表示，该无人驾驶技术并不是由沃尔沃开发的。有分析的人说，此次事件或许会让一直胶着中的无人驾驶立法进程趋于保守，各国政府对无人驾驶技术会重新审视，进而给全行业带来打击。纵目科技市场和战略副总裁陈超卓在接受记者正常采访时表示，实验车上既然配有安全操作员，操作员和优步公司就有着不可推卸的责任。而系统没检测到行人及时刹车，则是行人检测鲁棒性问题。

传统汽车的发展已经被限制，如今无人驾驶和共享汽车领域涌出来巨大的商机，可真正解决真正摆脱这种周期性销售“诅咒”的机会。如果你看到在过去的三年里，美国汽车行业的一片繁荣，你就会知道整个汽车行业是存在显而易见的周期性问题。但是如果这一周期继续，那么需求就会下降，美国市场的家用汽车和卡车销量就会持续减少。从某一些程度上来说，自从100多年前第一辆汽车驶下装配线，汽车厂商们就一直都在努力摆脱汽车制造领域的这种周期性销售表现问题。他们研究了各种各样的附加业务，尤其是在努力借钱给消费者来购买汽车。现在，汽车厂商有了一个真正摆脱这种周期性销售“诅咒”的机会，这也就是为什么很多大型汽车厂商纷纷宣布对电动汽车和无人驾驶汽

当你观看一个无人驾驶汽车行驶的视频时，你会发现它并没有在下雨的情况下这样做。道路往往是干燥的，天空中没有雨云。因为目前大部分无人驾驶汽车还不能在雨中驾驶。根据美国国家公路交通安全管理局（NHTSA）的数据，在美国，在雨天发生的交通事故几乎占到所有由天气引发的交通事故的近一半（约46%）。的确，下雨会给驾驶带来更多的困难。然而，目前，大部分无人驾驶汽车还不能在雨中驾驶。当你观看一个无人驾驶汽车行驶的视频时，你会发现它并没有在下雨的情况下这样做。道路往往是干燥的，天空中没有雨云。考虑到在今年的大部分时间里，全国大部分地区都有雨水出现，我们肯定需要可以在雨中正常行驶的无人驾驶汽车。在无人驾驶理论控制研究所（Cybern

目前自动驾驶汽车主要是通过激光雷达（Lidar）、摄像头和其他传感器组件来完成无人驾驶。而激光雷达系统承担主要任务，能够不受光线影响检测前方障碍物。在事故发生之后，Uber汽车的主要传感器供应商Velodyne总裁Marta Thoma Hall表示她也不清楚为何车辆没有停下来。 Hall认为该公司的激光雷达按理说应该能够检测到Herzberg女士，这场事故原本能够尽可能的防止的。她说道：“我们和其他人一样也感到困惑不已。当然在本次事故中，我们的激光雷达具备清晰绘制Elaine和她自行车的能力。但是我们的激光雷达并未做出刹车或者变道的决定。” 不过她也指出虽然激光雷达系统来自Velodyne，但是公司并未参与如何解析

瑞银集团(UBS Group AG)分析师表示，2030年全球无人驾驶出租车市场价值可能超过2万亿美元，无人驾驶汽车的大规模应用也将会对许多现有行业产生重大的积极影响。包括戴维·莱斯内(David Lesne)在内的分析人士在一份报告中写道，这一估计是基于瑞银证据实验室(Evidence Lab)对纽约一个无人驾驶出租车车队的模拟。该模拟优化了行驶路线、乘客与车辆的联系，以及运行成本、使用率、利润率和充电站网络规模等指标。他们表示，一旦汽车完全实现无人驾驶，仅纽约目前运营的出租车数量就可能减少三分之二。他们表示，相关市场价值包括汽车和轮胎制造、电力供应、充电站建设以及支持这项技术所需的半导体等来源。打车服务企业Uber

现代科技世界快速进化，出现许多术语，比如金融科技、监管科技、生物科学技术和物流科技，这些术语告诉我们，在金融、监管、医疗、物流等行业，技术正在加速发展；还有一个术语叫运输科技，它还没有流行起来，2017年，运输科技的发展比个人交通运输科技发展慢一些。奔驰汽车中东市场营销与通讯主管伦纳特o穆勒-特顿（Lennart Mueller-Teut）今年10月参加展会时表示：“汽车产业迎来空前变革，我们处在这样一个大变革时代；汽车是什么？它能做什么？可以用作什么？我们开始重新思考。” “重点在于，我们不再只是将汽车当成产品，而是将其它服务涵盖进去，增强移动性，让移动体验放松。” 开年之时，迪拜宣布一个消息，说它要

随着科技的持续不断的发展以及有关政策的不断推出，无人驾驶汽车得到了快速的发展及强有力的保障。但是无人驾驶汽车的发展始终离不开一个重要的目标，那就是保障自身的安全。随着科学技术的持续不断的发展以及有关政策的不断推出，无人驾驶汽车得到了快速的发展及强有力的保障。但是无人驾驶汽车的发展始终离不开一个重要的目标，那就是保障自身的安全。为了确认和保证无人驾驶汽车的安全，即意味着无人驾驶汽车在行驶过程中不会撞到任何人或物，所以在汽车行驶过程中必须了解到其周边物体和车辆本身之间的距离。为实现这一目标，需要提前测量车辆前方障碍物与车辆之间的距离，来保证无人驾驶汽车的安全性。无人驾驶汽车实现距离估计的主要方法是使用传感器（如摄像头、雷达等）对车辆周边物体进行距离

如何实线距离估算的？ /

定位

路边感知评估：基于实地测试的见解

网络安全权威指南(下册)

网络安全权威指南(上册)

东芝1200V SIC SBD “TRSxxx120Hx系列” 助力工业电源设备高效

2024 瑞萨电子MCU/MPU工业技术研讨会——深圳、上海站，火热报名中

Follow me第二季第4期来啦！与得捷一起解锁蓝牙/Wi-Fi板【Arduino Nano RP2040 Connect】超能力！

嵌入式工程师AI挑战营（进阶）：基于RV1106部署InsightFace算法，实现多人的实时人脸识别

艾睿电子技术解决方案展 2024 — 携手共建更智能绿色未来，火热报名中！

近年来，智能座舱在乘用车领域成为热门话题。智能座舱带来了更加智能化、舒适和安全的驾驶体验，吸引了众多消费者的关注。在商用车领域，市 ...

前言：随着汽车电动化的发展潮流，电动汽车销量节节攀升，市场研究机构Canalys总结2022年全球电动汽车市场时表示，2022年全球电动汽车销量 ...