自动驾驶数据分析以及融合应用研究.pdf

自动驾驶数据分析以及融合应用研究 中国汽车技术研究中心 数据资源中心 赵帅 2017.11.08 北京 目录 1 人工智能与自动驾驶技术发展背景 2 数据：主要数据集介绍 3 算法：机器学习与深度学习 4 自动驾驶的技术框架浅析 5 AIDIA Car计划 1.1 人工智能发展背景  人工智能自诞生以来，经历了三次浪潮；其中以我们正在经历的这次最为宏大 1.2 自动驾驶发展前景  底层软硬件服务商、硬件制造商、传感器厂商、地图厂商、算法厂商、安全解决方案提 供商全员参与 1.2 自动驾驶发展前景  2018年，全球自动驾驶市场规模约为200亿美元；到2030年，将增长至900亿美元  其中排名前三的细分领域为软件及算法服务、计算机硬件、光学摄像头 1.3 数据vs算法  人工智能可以战胜围棋大师，但为何还做不到自动驾驶？ Data Problem Autonomous Artificial Driving Intelligence Algorithm Problem 数亿公里级数据，数据标定、场景抽取、加速测试 学习算法、规则算法、计算瓶颈 其他问题：控制理论、政策标准、成本问题、信息安全、法律问题、保险问题…… 目录 1 人工智能与自动驾驶技术发展背景 2 数据：主要数据集介绍 3 算法：机器学习与深度学习 4 自动驾驶的技术框架浅析 5 AIDIA Car计划 2.1 KITTI数据集 德国卡尔斯鲁厄技术研究院（KIT ）和丰田芝加哥技术研究院（TTIC ）共同开发面向计算机视觉的 KITTI数据集，是目前国际上最大的自动驾驶场景下的计算机视觉算法评测数据集 数据集用于评测立体视觉、光流、目标检测、目标跟踪、场景语义分割等计算机视觉技术在车载环境下 的性能。  /datasets/kitti/ 物体检测数据集 立体视觉深度数据集 2.2 Cityscapes数据集介绍 Cityscapes数据集则是由奔驰主推，提供无人驾 驶环境下的图像分割数据集，数据采集于50个城 市，用于评估视觉算法在城区场景语义理解方面 的性能。 Cityscapes包含50个城市不同场景、不同背景、 不同季节的街景，提供5000张精细标注的图像、 20000张粗略标注的图像、30类标注物体。 2.3 Didi-Udacity数据集  Didi-Udacity2017年4月滴滴与优达学城联合开放的数据集，数据采集地点为美国加州。  前后两阶段共包含50多组Ros Bag文件，数据总量达800GB左右，数据场景包含静止、跟车行 驶、左侧超车、右侧超车、会车、交叉行驶、转弯行驶、随机行驶等多种场景，采集内容包括单 目视频、激光雷达数据点云、毫米波雷达数据、车辆-行人位置、姿态等标注数据。  Didi涉及问题包括RTK差分定位、目标检测、目标识别、目标运动状态估计、地平面误差