自动驾驶汽车如何利用时空信息更好地识别移动物体，在没有定位导航的情况下如何知道“我在哪里”？这是自动驾驶目前正在攻克的技术难题。现在，中国自动驾驶人工智能公司飞墨智行提出了更好的解决方案。

6月30日，好墨智行两项最新研究成果成功入选机器人领域顶级学术会议IROS（IEEE/RSJ International Conference on Intelligence Robots and Systems）2022，并将在近期将发表在IROS 2022 期刊上。优越的。

昊墨智行团队最新提交的两篇论文研究成果分别是：《EfficientSpatial-Temporal Information Fusion for LiDAR-Based 3D Moving ObjectSegmentation》（《基于激光雷达的三维运动目标分割的高效时空信息融合》）、《OverlapTransformer:An Efficient and Yaw-Angle-Invariant Transformer Network for LiDAR-Based PlaceRecognition》（《OverlapTransformer：一种基于激光雷达的高效、旋转无关的位置识别网络》）。两篇论文从2000多篇投稿论文中脱颖而出，成功入选。结合激光雷达在自动驾驶汽车中的应用，论文提出了一种用于激光雷达运动目标分割的新型深度神经网络和一种基于激光雷达的新位置识别算法，以帮助自动驾驶汽车有效利用时空信息。识别移动目标，并快速准确地进行自身定位，从而大大提高激光雷达的传感能力。

近年来，随着激光雷达应用在自动驾驶领域的逐步深入探索，其强大的空间三维分辨率能力被普遍认为是自动驾驶技术向高端化、智能化升级过程中的重要能力。商业化。然而，硬件收集的信息数据也需要算法更快、更准确的分析，帮助自动驾驶汽车更好地利用它，实现更安全的驾驶。郝莫智行写的两篇论文就是从这个角度出发的。

《Efficient Spatial-Temporal Information Fusion for LiDAR-Based 3DMoving Object Segmentation》中指出，精确的运动目标分割是自动驾驶的重要任务，而如何有效利用时空信息是3D激光雷达运动目标分割的关键问题。为此，郝默提出了一种新的深度神经网络，利用激光雷达的时空信息和不同的表示模式来提高激光雷达MOS的性能。具体来说，郝默提出了一种基于激光雷达的新颖有效的在线运动目标分割网络，该网络采用双分支结构更好地融合空间信息和时间信息，并引入了“从粗到细”的策略来减少解决了物体边界上的边界模糊问题，并且在保持实时性的同时，性能一举超越了之前的网络。目前，相关方法在SemanticKITTI MOS 基准上实现了最先进的激光雷达MOS 性能。

在文章《Overlap Transformer: An Efficient and Yaw-Angle-InvariantTransformer Network for LiDAR-Based Place Recognition》中，郝默提出了一种新的位置识别方法，利用安装在自动驾驶车辆上的三维激光雷达生成的距离图像，仅使用激光雷达数据来检测SLAM，而不使用任何其他信息。闭环候选可以直接提供位置识别，并且无需微调即可很好地泛化到不同环境，实现长期户外大规模环境（millimo数据集）中的长期位置识别。 OverlapTransformer 的运行速度比大多数最先进的方法都要快，并且所有指标都达到了SOTA。

IROS（IEEE/RSJ International Conference on Intelligence Robots and Systems，IEEE/RSJ国际智能机器人与系统会议）是全球机器人与智能系统领域最著名、最具影响力的顶级学术会议之一。 IROS 2022以“共生社会的嵌入式人工智能”为主题，将于10月23日至27日在日本京都举行。

关于IROS 2022 最新论文名单公布：毫末智行的科技实力再度闪耀！和的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。