内容概要：近日，在自动驾驶的权威评测 Semantic KITTI 上，一种叫 「单帧 3D 点云语义分割」的算法，成功登上了评测榜的榜首。它可用在无人物流车纸上，帮助无人车更好地理解周围环境，更精确地识别障碍物。

原创：HyperAI超神经

关键词：自动驾驶 算法评测 语义分割

所有算法模型的好坏，都需要一个评测标准来判定，自动驾驶领域也不例外。

Semantic KITTI 评测，算得上是自动驾驶里最权威的一个标准，而近日排在榜首的一种新算法，成功地让自动驾驶的障碍物识别能力，达到了厘米级别。

权威评测榜单，涵盖最先进技术

KITTI 数据集当前最权威，最大的自动驾驶算法评测数据集。

该数据集常用于评测立体图像，光流，视觉测距，3D 物体检测和 3D 跟踪等技术的性能。

由它细分而来的 Semantic KITTI 数据集，是为了推动基于激光的语义分割研究而得来，也是模型在语音分割方向的一个检验基石。

Semantic KITTI 标准评测，需要经过多个步骤的测量和验证，把各种场景下的汽车、行人、道路、摩托车、自行车、交通标志、建筑物和植被等多类物体准确分割出来。

算法需要通过全类别分割平均交并比（mIOU）和整体准确率（accuracy）两大指标，来验证自己的能力水平。

在两项指标的评比中均拿下第一，荣获「单帧 3D 点云语义分割」排行榜榜首的算法，是由阿里达摩院提交的。

提升环境理解力，达到厘米级识别

排在榜首的算法，以激光点为载体，结合每个 3D 点在鸟瞰、前视等视角下的邻域特征，通过多层级联编码进行特征学习，增强了 3D 点的特征表示能力，提高了语义识别的准确性。

其中点云是计算机视觉领域常用的三维数据表示方式，它包含物体的丰富信息，比如三维坐标、颜色、分类值、强度值、时间等等。

而 3D 点云语义分割，是自动驾驶中常用的一项技术，是指从周围的环境中，识别并分析出不同的物体。

该项技术已经被用在了无人物流车中，它可让车辆更精细地理解道路环境，帮助识别行人，车辆，周围的建筑、绿化、障碍物等。

在实际测试中，它的识别精度达到了厘米级别，对仅有 3 厘米宽的警戒线，物流车也能准确识别并绕道而行。

自动驾驶成大厂新赛道

在自动驾驶的研究层面，各大巨头公司纷纷展开自己的布局，加入了更大的资金和技术投入。

前不久，阿里还发布了全球首个自动驾驶混合式仿真测试平台。

该平台将虚拟与现实结合的仿真技术，引进真实路测场景和云端训练，模拟一次极端场景仅需 30 秒，每天虚拟测试里程可超过 800 万公里。

这些举动也预示着，自动驾驶在更多技术的加持下，或将更快地迈进我们的生活。