「自動(dong)駕駛新(xin)青年講(jiang)座」由智東(dong)西公開(kai)課全(quan)新(xin)企劃(hua)，將邀請全(quan)球(qiu)知名(ming)高校(xiao)、頂尖研(yan)究(jiu)機構以及優秀(xiu)企業(ye)的新(xin)青年，主(zhu)講(jiang)在環境感知、精準定位、決策規劃(hua)、控(kong)制執行等自動(dong)駕駛關鍵技術上的最新(xin)研(yan)究(jiu)成果和開(kai)發(fa)實踐。
有興趣分享的朋友，可以(yi)與智東(dong)西(xi)公開課教研團隊(dui)進(jin)行郵件（class@sanyasheying.cn）聯(lian)系。
利(li)用深度學習(xi)技術對(dui)由LiDAR收集(ji)得(de)到的(de)點云進行感知（如分割、檢測、跟(gen)蹤等）已(yi)經是(shi)當下研(yan)究(jiu)的(de)熱點之一。然而，從真實世界中收集(ji)得(de)到的(de)數據(ju)往(wang)(wang)往(wang)(wang)具有極(ji)高的(de)復雜度和多樣性；同一個(ge)街道(dao)的(de)路況在一天中的(de)不同時刻尚且復雜多變(bian)，更不用說不同街道(dao)甚至不同城(cheng)市的(de)街道(dao)間呈(cheng)現出(chu)的(de)變(bian)化。因此，收集(ji)并標注一個(ge)能涵蓋各種情境(jing)的(de)真實世界數據(ju)集(ji)是(shi)極(ji)其困難的(de)。
然而(er)，對于一(yi)個基于學習(xi)的(de)(de)問(wen)題(ti)而(er)言，昂貴(gui)的(de)(de)數據標注往往是制(zhi)約模(mo)型泛化能力(li)的(de)(de)關(guan)鍵因素(su)。這樣(yang)一(yi)個問(wen)題(ti)在(zai)LiDAR點(dian)(dian)(dian)云上(shang)尤為突(tu)出：一(yi)個由64線LiDAR傳(chuan)感器收集得到(dao)的(de)(de)場景點(dian)(dian)(dian)云往往包含超過10萬個點(dian)(dian)(dian)，而(er)給收集到(dao)的(de)(de)每個點(dian)(dian)(dian)云都打上(shang)語義標簽（semantic label）所需(xu)要的(de)(de)人(ren)力(li)和經濟成本(ben)是及其(qi)巨(ju)大的(de)(de)。昂貴(gui)且(qie)耗(hao)時(shi)的(de)(de)人(ren)工標注限制(zhi)了基于學習(xi)的(de)(de)LiDAR點(dian)(dian)(dian)云分割系(xi)統的(de)(de)延展性。
來自(zi)新(xin)加坡國立大學的(de)孔令東博士(shi)等人構建了一個基于(yu)結構先(xian)驗的(de)半監督LiDAR點(dian)云分(fen)(fen)割框架，旨在利用自(zi)動駕駛場(chang)景(jing)中的(de)結構先(xian)驗對點(dian)云進行(xing)劃分(fen)(fen)與混(hun)合，并對分(fen)(fen)割模型在混(hun)合前后的(de)預測進行(xing)一致性(xing)約束(shu)。該框架在主(zhu)流的(de)自(zi)動駕駛數據集nuScenes，SemanticKITTI，以及(ji)ScribbleKITTI上取(qu)得了優(you)異的(de)分(fen)(fen)割性(xing)能。
12月6日晚7點，「自(zi)動駕駛新青年講(jiang)(jiang)(jiang)座(zuo)」第(di)13講(jiang)(jiang)(jiang)邀請新加坡(po)國立大學計算(suan)機(ji)系(xi)在(zai)讀博士孔令(ling)東，主講(jiang)(jiang)(jiang)《自(zi)動駕駛場景下的半監督點云分(fen)割》。
講者
孔令東(dong)，新(xin)加坡(po)國(guo)立大(da)學(xue)計算機系(xi)在讀博士生；本科畢(bi)業于(yu)華南理工大(da)學(xue)；研究方(fang)向為3D場景感知(zhi)、半監督學(xue)習(xi)、域(yu)適應與(yu)無監督表(biao)征學(xue)習(xi)等；曾于(yu)Motional(nuTonomy)進行激(ji)光雷(lei)達感知(zhi)方(fang)向研究實習(xi)。
第13講
主 題
《自動駕駛場景下的半監督點云(yun)分割》
提 綱
1、激光雷達點云感知概述
2、點云分割算法解析
3、基于半監督學習的點云分割框架
4、點云場景(jing)劃分(fen)及自(zi)動駕(jia)駛(shi)場景(jing)適配
直 播 信 息
直播時間：12月6日19:00
直(zhi)播(bo)地點：智東西公開課知識(shi)店鋪
成果
LaserMix：《LaserMix for Semi-Supervised LiDAR Semantic Segmentation》
論文地址：//arxiv.org/abs/2207.00026
開源地址：//github.com/ldkong1205/LaserMix
