首页推荐
飞凡R7/F7在测试泛化的PP-CEM 2.0 occupancy network数字环境
文章

随着PP-CEM 2.0 occupancy network的泛化,occupancy的性能也在不断进步,PP-CEM针对Lidar(可选)/4D Radar(newest firmware)点云和图像像素的全向精准占据4D数字环境刻画,将进一步与BEV➕Transfomer相辅相成,极大提升驾驶周围数字环境到一个全新的台阶。

有几个有意思的小场景,开车门的车旁边还站着行人,新的occupancy network占据网络对这些场景🎬可以精准的刻画,这将极大的释放感知预测和规划决策的上限!

同样对于大型的异形施工车辆,这是感知样本中分布比较稀疏的类型并且个体化差异也比较大,在occupancy network中依然可以精准的刻画描绘,也为感知预测和规划决策提供了丰富的上限空间!

还有路口牵着宠物的行人走在拉着货物的三轮车场景,走走停停甚至宠物的回驻也是很常见的场景,通过occupancy network 可以精准的刻画描绘,也为感知预测和规划决策提供了丰富的上限空间!

这一切将通过组合全向视觉完善的全像素感知、业内领先的4D毫米波点云智能感知以及可选的激光雷达感知,进行深度融合获得。

PP-CEM 2.0也会不断和用户分享技术栈的演进。

写评论
积分赞赏
点赞
评论区
  • 收藏
  • 举报
  • 加入黑名单
回到顶部
  • 全部评论17 条
  • 只看作者
  • 最热
  • 最新
  • 最早

就像上次的ppcem2一样,今天看起来4d毫米波的点云越来越多的替代了激光了

二者并无替代关系~激光对环境的刻画更细致

回复 脏柠檬你可以仔细看下路沿和栏杆的反射,可以肯定的说,这个pixel point里没有激光的点云

回复 speeters这是occupancy voxel占据体素输出了,这个显示跟点云已经没有任何直接联系了,也不是通过可视化能判断的啦。使用激光点云在这个网络里也是这种输出,使用4D点云也是这种输出,差异在于增加不同的点云网络学习的输入要素变多。而且角雷达点云也可参与这个网络呢 occupancy的精髓还是对通用障碍物体的非穷举刻画,至于显示的voxel大小,可调的可大可小可自适应

回复 曾经的SoC所以无论是摄像头分辨率还是激光雷达分辨率还是4d雷达分辨率对占用网络像素体积都没有影响?那么唯一影响的就是网络的大小对应的算力?那样的话激光版双orinx的网络像素体积不会更精细吗

回复 speeters体素的格子尺寸设定是可以相对灵活设定的,但是不同类型的传感器在占用网络里有不同的场景贡献。比如地上的📦、塑料类的物体,4D雷达比较容易探测穿透,这种场景下摄像头的占用体素生成和激光点云的体素生成就会有更好的精准性和贡献。至于体素格子是20cm边长还是15cm等等,可在网络里设定,会影响一点计算量,但对1/200百米的距离内,这也不会有特别多格子,每个直接4D、激光点云或者视觉点云都是在这个格子里的一个贡献体现,计算量也不是暴力夸张的程度. 但是如何合理综合数据吞吐带宽反而是要点技巧的😄。btw:假期快乐~

支持金博!想了解一下,不选激光雷达主要会缺失哪一些方面的感知能力?随着迭代进行,激光雷达是否越来越向安全冗余靠拢?在优化成本的逻辑下,配备激光雷达的必要性是否随着迭代越来越低?

同问,作为选了高阶辅助驾驶的车主,还是很担心后续如果激光雷达上线,跟现在的4d毫米波雷达效果比有巨大差异

同问 这次智驾版只有4D雷达 和未来激光雷达版 在感知能力 和未来功能上到底有哪些区别?

在高速领航方面差异不是很大,在城区方面会有点

同问,当初非常反感,激光雷达不下放低配选装。现在我们能不能获得跟激光雷达差不多的感知能力?

反正我等着买激光雷达版了,看过一些资料,应该是有区别的,而且相信激光雷达算法也会持续迭代

今年可以上吗哈哈哈哈哈哈哈

不明觉厉

金博真厉害!!!!!➕鸡腿!!

恭喜,您的文章《飞凡R7/F7在测试泛化的PP-CEM 2.0 occupancy network数字环境》获得首页推荐。+50 积分 +50出行值