Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

CES2019 | 基于Matrix算力平台 地平线发布激光雷达与高精地图整合方案

依托地平线自动驾驶计算平台Matrix,地平线首次展示NavNet众包高精地图采集与定位方案(以下简称NavNet),以及地平线激光雷达感知方案。

美国西部时间201918-11日,一年一度的全球科技盛会——国际消费类电子产品展览会(简称CES)在拉斯维加斯隆重举办。具备世界领先技术的人工智能企业地平线携其高性能、低功耗、低延时的最新嵌入式人工智能产品成果亮相CES,向全世界展示了中国科技企业的强大技术与产品实力。

IMG_20190108_110858(1).jpg

在位于南226021展位的地平线展台,荣获本届CES官方大奖——CES创新奖的地平线Matrix自动驾驶计算平台(下文简称Matrix)重磅亮相,并首次同步展出了基于该平台的两款最新自动驾驶解决方案——地平线NavNet众包高精地图采集与定位方案(下文简称NavNet),以及地平线激光雷达感知方案。同时亮相并引发广泛关注的,还有面向AIoT技术将广泛应用的智慧城市与智慧零售场景的地平线XForce边缘AI计算平台(下文简称XForce),以及基于该平台的数款解决方案。

 技术先发优势催生独特产品路径 “获奖选手”Matrix性能再升级

地平线具有世界领先的深度学习和决策推理算法开发能力,早在2015年创立之初起,就将算法集成在高性能、低功耗、低成本的嵌入式人工智能处理器及软硬一体平台上。如今,软硬结合已经成为全球人工智能领域的重要趋势之一,这使得地平线具备明显的边缘计算技术先发优势。而为满足自动驾驶AIoT边缘计算应用级需求,地平线在过去一年里成功将技术先发优势转化为独特产品路径,开发出MatrixXForce两款软硬结合AI计算平台,并衍生出多个基于这两款平台的应用级解决方案,赋能智能驾驶、智慧城市、智慧零售等场景。

其中,此次CES展出的地平线Matrix自动驾驶计算平台在性能上相较于获奖版本又有了进一步提升。该平台基于地平线BPU2.0处理器架构(伯努利架构),能够为L3L4级别的自动驾驶提供高性能的感知系统,目前已向世界顶级自动驾驶厂商大规模供货。

CES现场图/5ba9b9e8-ec43-4a0d-8149-8913bb922947_meitu_1.jpg

地平线Matrix自动驾驶计算平台

作为成功实现大规模商业化应用的自动驾驶计算平台,Matrix利用地平线AI加速IP最大化了嵌入式AI计算性能,可支持激光雷达、毫米波雷达的接入和多传感器融合。以视觉感知能力为例,该平台能够基于稀疏化和定点化神经网络实现8类不同类型物体的目标检测和多达25类像素级语义分割,同时结合有助于预测和深度估计的三维车辆检测,能够更好地理解复杂场景,可轻松应对高度遮挡,且需快速响应场景下的自动驾驶挑战。

而在保证高性能的前提下,其可在31W的低功耗下运行,无需水冷系统,满足了高性能和低功耗的行业应用级需求,非常适合嵌入式自动驾驶的应用和产品化。由于性能卓越,其在Cityscapes评测的成绩全球领先。同时,依托地平线自主研发的工具链,开发者可以基于Matrix平台部署神经网络模型,实现开发、验证、优化和部署。

明星计算平台孵化全新重量级解决方案 首展NavNet+激光雷达方案受瞩目

依托Matrix强大的边缘计算能力,地平线开发出功能强大且具有极大成本优势的地平线NavNet众包高精地图采集与定位方案(以下简称NavNet),以及地平线激光雷达感知方案。这些方案在本届CES上均是首次公开亮相,并搭载到实车,为试乘观众现场展示NavNet仅通过单目摄像头视觉感知即可在车端实现的强大地图采集与实时建图能力,以及激光雷达感知方案的多线360激光雷达点云3D检测能力。两款解决方案在展会首日就获得大量媒体与观众瞩目。

CES现场图/9bb2734f-e336-4b90-a703-de0cebcd92f3.jpg

地平线NavNet众包高精地图采集与定位方案受关注

地平线NavNet地平线基于Matrix开发的众包高精地图采集与定位解决方案。该方案将点云建图过程全部在边缘进行,输出建立好的局部三维地图,进而用以与已有高精地图进行匹配获取定位,同时可在无地图区域进行自动建图。当前,地平线NavNet针对众包场景,利用深度学习SLAM技术进行道路场景的语义三维重建,支持16大类地图元素的重建、识别、矢量化。并且在仅使用单目摄像头的情况下,便能够实现重建结果与全局地图的匹配定位和众包建图,并根据实时重建的局部地图与云端高精地图进行关联优化,持续提升高精地图的质量。

地平线Matrix激光雷达感知方案采用全卷积深度神经网络对栅格化后的点云特征,进行车辆,行人等障碍物的实时检测,具备高性能,低时延,低功耗的特点,且可基于地平线工具链进行自主开发。

除上述两项全新方案外,同样基于Matrix平台的地平线Matrix前向视觉感知方案、地平线360度视觉感知方案以及基于地平线征程处理器的地平线红外热成像避障方案等也在本次CES上展出。

AIoT能力赋能更多场景XForce平台孵化多款应用级解决方案

地平线领先的技术先发优势与独特的软硬一体产品路径,也体现在面向AIoT应用场景的产品与解决方案中。

201810月,地平线正式发布XForce边缘AI计算平台。该平台通过算法与处理器深度结合的软硬件联合优化,在功耗、性能、成本上相比目前的其他AI计算平台具有明显优势。其内置深度学习感知算法以及相应的model zoo,形成软硬件一体的AI感知平台。该平台具有强大的感知处理能力,各项任务指标均处于业界领先水平。

而本届CES地平线推出了面向服务器市场的XForce_P(Professional)和面向PC形态市场的XForce_E(Express)两款结构化FPGA边缘计算平台产品,以满足不同的边缘计算需求。如:智慧城市场景中的人脸和人体抓拍识别、人体行为分析、视频结构化,智慧商业中的客流统计、自动建档、人员动线、场景热力图、顾客行为分析等。

面向PC形态市场的XForce_E

面向服务器市场的XForce_P

本届CES地平线展出了基于XForce计算平台的密集人群时空结构化方案、跨镜多目标轨迹动线方案以及安防视频结构化方案等多个嵌入式人工智能解决方案。

地平线密集人群时空结构化方案可以在极低的功耗下实现大规模人脸和人体的抓拍识别、人体行为分析、视频结构化等。地平线跨镜多目标轨迹动线方案融合业界领先的人体检测、人体Skeleton、人体单例分割、单目标跟踪、人体ReID及多目标跟踪等视觉感知技术,能够实现对多目标、跨区域的跟踪。地平线安防视频结构化方案对视频每一帧中的行人、机动车、非机动车等信息进行检测、跟踪、抓取和识别,将非结构化数据结构化,以进行视频数据的存储、分析及后续应用。

CES现场图/IMG_20190108_112558(1).jpg

地平线密集人群时空结构化方案前人流涌动

地平线基于XForce打造的系列解决方案可应用于商业、城市安全、交通等多个场景,如商业中的客流统计、自动建档、消费者动线、场景热力图、消费者行为分析等;在交通、城市安全等多类城市公共场景中也可以实现高效率的人脸、人头、人体检测,以及多人的人体骨骼点和单例分割。结合“端+云”,则更可实现商业场景中的智能化识别、管理、服务;以及城市安全、交通等场景下的人脸管控、人员分析,车辆分析等,从而实现各类事件的及时发现,甚至是事先预测。

地平线在技术与产品领域的出色表现也赢得了行业与市场认可,合作伙伴遍布全球。在智能驾驶领域,地平线与全球四大汽车市场顶级Tier1sOEMs保持着稳定的合作关系,生态合作伙伴包括奥迪、博世、长安、比亚迪、上汽等。地平线智慧城市解决方案已助力多个国家级开发区智慧城市建设。地平线智慧零售解决方案合作企业包括韩国SK电讯(SK Telecom)、百丽国际、永辉超市、龙湖地产、建投书局、Kappa等。此外,地平线还与全志科技合作推出应用级解决方案,并与多家智能摄像头厂商达成合作,以其边缘计算能力助力合作伙伴产品的智能化升级。

近年来,人工智能技术日新月异,每年一月的CES展更是成为未来消费类科技趋势风向标。成立至今,地平线已连续三年出征CES,且每一年的参展展品都能为行业带来新的惊喜。未来,地平线将继续深耕边缘计算,力求让嵌入式人工智能真正实现赋能万物,创造更加安全、美好的未来科技生活。

产业地平线自动驾驶
相关数据
地平线机构

以“赋能机器,让人类生活更安全、更美好”为使命,地平线是行业领先的高效能智能驾驶计算方案提供商。作为推动智能驾驶在中国乘用车领域商业化应用的先行者,地平线致力于通过软硬结合的前瞻性技术理念,研发极致效能的硬件计算平台以及开放易用的软件开发工具,为智能汽车产业变革提供核 心技术基础设施和开放繁荣的软件开发生态,为用户带来无与伦比的智能驾驶体验。

horizon.ai
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

激光雷达技术

自动驾驶车辆传感器的一种,采用激光扫描和测距来建立车辆周围环境的详细三维模型。Lidar 图像具有高度准确性,这使得它可以与摄像头、超声波探测器和雷达等常规传感器相提并论。然而激光传感器面临体积过大的问题,同时,它的机械结构非常复杂。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

边缘计算技术

边缘运算(英语:Edge computing),又译为边缘计算,是一种分散式运算的架构,将应用程序、数据资料与服务的运算,由网络中心节点,移往网络逻辑上的边缘节点来处理。边缘运算将原本完全由中心节点处理大型服务加以分解,切割成更小与更容易管理的部分,分散到边缘节点去处理。边缘节点更接近于用户终端装置,可以加快资料的处理与传送速度,减少延迟。在这种架构下,资料的分析与知识的产生,更接近于数据资料的来源,因此更适合处理大数据。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

语义分割技术

语义分割,简单来说就是给定一张图片,对图片中的每一个像素点进行分类。图像语义分割是AI领域中一个重要的分支,是机器视觉技术中关于图像理解的重要一环。

深度神经网络技术

深度神经网络(DNN)是深度学习的一种框架,它是一种具备至少一个隐层的神经网络。与浅层神经网络类似,深度神经网络也能够为复杂非线性系统提供建模,但多出的层次为模型提供了更高的抽象层次,因而提高了模型的能力。

奇虎360机构

360公司成立于2005年8月,创始人周鸿祎 2011年3月30日在纽交所成功上市 2018年2月28日,回归A股上市,上证交易所(601360) 是中国第一大互联网安全公司,用户6.5亿,市场渗透率94.7% 中国第一大移动互联网安全公司,用户数超过8.5亿 中国领先的AIoT公司,将人工智能技术应用于智能生活、家庭安防、出行安全、儿童安全等多个领域

http://smart.360.cn/cleanrobot/
永辉超市机构

永辉超市股份有限公司是一家经营生鲜农产品等的商业零售企业.公司的主要产品包括生鲜农产品、日用百货、服装鞋帽等.公司的经营模式被国务院七部委誉为中国"农改超"推广的典范,亦是国内首批将生鲜农产品引进现代超市的流通和农业产业化企业之一.公司已经成为各地政府保供稳价的重要力量,在福州是"流通"及"农业产业化"双龙头企业;在重庆是"农业产业化"龙头企业和"重要商品应急保供重点企业"。

http://www.yonghui.com.cn/
推荐文章
暂无评论
暂无评论~