<var id="nrr7z"><strike id="nrr7z"><listing id="nrr7z"></listing></strike></var>
<var id="nrr7z"></var>
<var id="nrr7z"></var>
語言: EN

科學研究SCIENTIFIC RESEARCH

當前位置: 首頁 > 科學研究 > 最新動態 > 正文
汽車學院最新研究成果發表于人工智能領域國際頂級學術會議和國際頂級學術期刊
發表時間:2020-12-08 閱讀次數:

      近日,國際學術會議Neural Information Processing Systems (NeurIPS 2020)、AAAI Conference on Artificial Intelligence (AAAI-2021)和國際頂級學術期刊IEEE Transactions on Pattern Analysis and Machine IntelligenceTPAMI)連續發表我院最新研究成果。其中NeurIPS 2020AAAI 2021是人工智能領域國際頂級學術會議,TPAMI是計算機學科領域最頂級的國際期刊,其影響因子為17.861。


      發表于NeurIPS 2020的論文《RSKDD-Net: Random Sample-based Keypoint Detector and Descriptor》第一作者為一年級博士研究生盧凡,通訊作者是其導師陳廣研究員。本文提出了一種針對大規模激光雷達點云的基于深度學習的關鍵點和描述子提取方法。關鍵點和描述子的提取是點云配準的重要組成部分,然而此前的基于深度學習的關鍵點和描述子提取方法由于其時間復雜度較高難以被實時應用于大規模激光雷達點云中。本文通過引入隨機采樣的思想以大幅減少算法的運行時間,并提出了隨機擴張聚類及匹配損失等模塊以降低隨機采樣所帶來的負面影響。該方法在達到了現有的基于深度學習的算法的精度的同時,其運行速度比現有算法快15倍以上。該方法的高效性使得其可以被應用于自動駕駛汽車的定位與建圖系統中以提高現有系統的精度與運算速度。該論文的第一作者在投稿階段為汽車學院本科學生,是我院在本科學生學術研究和科研創新能力培養的標志性成果。


      發表于AAAI 2021的論文《PointINet: Point Cloud Frame Interpolation Network》第一作者為一年級博士研究生盧凡,通訊作者是其導師陳廣研究員。本文提出了一種基于深度學習的激光雷達點云插幀算法?,F有的機械式的激光雷達傳感器由于受到硬件限制,其幀率一般在10Hz20Hz之間,該幀率通常低于自動駕駛汽車中的其他傳感器如相機、慣性測量單元等。因此,本文提出了一個新的任務名為點云插幀,該任務旨在生成兩幀點云間的中間幾幀點云。本文針對該任務提出了一種點云插幀算法,該算法通過融合前后兩幀點云的信息以有效的生成中間幀點云,從而大幅提高現有的激光雷達所輸出的點云流的幀率,使其可以更好的與其他相對幀率較高的傳感器相匹配。


      發表于TPAMI的論文《Globally Optimal Vertical Direction Estimation in Atlanta World》通訊作者為汽車學院陳廣研究員,合作單位為德國慕尼黑工業大學Alois Knoll教授課題組。本文提出了基于亞特蘭大世界假設的垂直框架全局最優估計策略,使用了四種不同的分支定界方法衡量了該全局方法的有效性和魯棒性。亞特蘭大世界是對現實中結構化場景水平面和垂直平面的一種建模,將這些平面的法線提取出來可以高效地抽象出場景?,F有的許多亞特蘭大垂直框架估計方法使用聚類策略,由于離群點的存在會大大降低精度,而本文的分支定界方法旨在搜索出全局最優結果。此外本文提出更加緊密的定界策略,大大減少了分支定界方法的運行時間。這種魯棒高效的方法能夠使得亞特蘭大框架估計更加精準,從而加強其在自動駕駛視覺領域里的作用,例如場景理解和SLAM。該研究論文是我院和德國頂尖高校開展中德國際合作的標志性成果。


      系列研究成果的發布標志著我院在自動駕駛和人工智能交叉研究領域影響力的逐步提升。本項研究得到了包括國家自然科學基金在內等項目支持。


返回

地址:上海市嘉定區曹安公路4800號寧遠館 郵編:201804 

? 2017 同濟大學汽車學院 版權所有 

优彩网