阿里巴巴在自動駕駛領域取得新突破。

3月19日，阿里巴巴達摩院宣布近日有論文入選計算機視覺頂會CVPR 2020.論文提出一個通用、高性能的自動駕駛檢測器，可兼顧3D物體的檢測精度和速度，提升自動駕駛系統安全性能，兩者兼得的實現在業界尚屬首次。

該論文團隊表示，檢測器的創新是自動駕駛領域落地的關鍵突破口，此次提出的檢測器融合了單階段檢測器和兩階段檢測器的優勢，因此同時實現了3D檢測精讀和速度的提升，未來檢測器的創新研究還可以解決自動駕駛產業的更多難題。其團隊作者均來自阿里巴巴達摩院，第一作者為達摩院研究實習生Chenhang He，其他作者還包括達摩院高級研究員、IEEE Fellow華先勝，達摩院高級研究員、IEEE Fellow張磊等。

據了解，自動駕駛檢測器是自動駕駛具備感知能力的核心組件，檢測器需要快速處理、分析傳感器、激光雷達等采集的多維信息，使車輛識別周圍環境物體，并對物體在三維空間中的位置進行精準定位，這個過程需要3D目標檢測的輔助。

與使用RGB圖像進行目標檢測，以輸出物體類別和在圖像上2D bounding box的2D檢測方式不同，3D目標檢測需要使用RGB圖像、RGB-D深度圖像和激光點云的方式來實現，最終輸出物體類別及在三維空間中的長寬高、旋轉角等信息。

對于自動駕駛而言，其需要從現實世界中估計更具信息量的3D邊界框，以完成諸如路徑規劃和避免碰撞之類的高級任務。為確保自動駕駛的安全，3D檢測的精度和速度缺一不可。但就目前兩種基于點云的3D物體檢測的主要架構而言，單階段檢測器和兩階段檢測器尚無法能兼顧兩項指標。

對此，達摩院在論文中提出在訓練中利用一個輔助網絡來解決以上問題。具體而言，其能夠將單階段檢測器中的體素特征轉化為點級特征，并施加一定的監督信號，從而使卷積特征也具有結構感知能力，進而提高檢測精度。與此同時，在做模型推斷時，輔助網絡并不參與計算（detached），單階段檢測器的檢測效率得以保證。

此外，達摩院還提出工程上的改進，Part-sensitive Warping （PSWarp）， 用于處理單階段檢測器中存在的“框-置信度-不匹配”問題。

目前，該檢測器在自動駕駛領域權威數據集KITTI BEV排行榜上排名第一。測試結果顯示，在自動駕駛領域權威數據集KITTI BEV排行榜上，該檢測器排名第一，精度超過其他單階段檢測器，檢測速度也達到25FPS ，是目前排名第二方案的兩倍多。

相較于百度和騰訊，阿里巴巴在自動駕駛領域一直頗為低調。自2018年4月宣布布局自動駕駛后，鮮有聲音對外發出。在技術路線上，阿里巴巴選擇L4級自動駕駛道路，并試圖以協同智能的方式降低自動駕駛現有方案的物理困境和成本障礙，該研究由AI實驗室首席科學家王剛親自帶隊。去年9月的云棲大會上，阿里巴巴集團首席技術官（CTO）兼阿里云智能總裁張建鋒稱，達摩院的自動駕駛已達到L4級水平，但未有更多信息流出。

此次對外發聲，或許意味著阿里巴巴將在該領域更多發力。

責任編輯：Ct