
在自動駕駛實際落地場景中,往往需要高密度的LiDAR才能滿足感知需求,而64線以上LiDAR 成本居高不下,成為自動駕駛大規模商業化瓶頸之一。達摩院自動駕駛實驗室環境感知算法能結合攝像頭圖像,對低線束LiDAR點云進行深度補全及語義識別,實現更稠密的激光雷達點云圖3D重建效果,不僅可更精確地讀取障礙物距離及形狀等信息,也可更精準判斷其類別信息。
在精度指標上,達摩院采用低線束激光雷達輸入,實現了業內采用高線束激光雷達輸入的平均水平,50米內障礙物距離信息讀取平均誤差為25厘米左右,同時,達摩院進行深度補全任務時可達到100fps(每秒傳輸幀數)的處理能力。