「自动驾驶新青年讲座」由智东西公开课全新企划，将邀请全球知名高校、顶尖研究机构以及优秀企业的新青年，主讲在环境感知、精准定位、决策规划、控制执行等自动驾驶关键技术上的最新研究成果和开发实践。

有兴趣分享的朋友，可以与智东西公开课教研团队进行邮件（class@zhidx.com）联系。

在过去的几年里，人们越来越关注提高 LiDAR 在自动驾驶汽车上的感知性能。虽然现有的大部分工作都集中在开发新的深度学习算法或模型架构上，但似乎很少从物理设计的角度来研究这个问题，即多个 LiDAR 的不同放置如何影响基于学习的感知。

目前业内主要有两种雷达的放置方案。一种是将雷达放在车顶，凸起一个“小犄角”，仿佛瞭望塔一般。另一种方案是将其放于前保险杠附近。那么安装在哪个位置更合理呢？而综合考虑后还是将雷达安置在车顶的方案更加合适。

其考量的因素有三个。一个是需要尽量减少维修成本，如果安置在车头部分，难免会遇到追尾等问题，而放在车顶能避免增加维修成本。二是避免遮挡。激光雷达和毫米波雷达原理相似，是利用回波成像来勾显被探测物体的，如果放在保险杠附近较低的位置的话，可能会存在被污泥等遮挡的情况。三是探测效果更好。目前激光雷达的探测距离最远一般在100米~150米，放在车顶的话垂直方向能得到更大的视场角，可以弥补一些激光雷达垂直方向宽度不足的原因。

那么，除了这些已有的考量因素，多雷达的放置方案到底是如何影响自动驾驶感知性能的呢？基于此，卡内基梅隆大学Safe AI Lab在读博士胡寒江等人引入了一种易于计算的信息论替代指标，以定量和快速评估 LiDAR 放置，以及对不同类型的物体进行 3D 检测。同时，他们在真实的 CARLA 模拟器中提出了一个新的数据收集、检测模型训练和评估框架，以评估不同的多激光雷达配置。

通过使用受自动驾驶公司设计启发的几种流行放置，以及广泛的实验，展示了这些代理指标与不同代表性算法在 KITTI 上的目标检测性能之间的相关性，验证了LiDAR 放置评估方法的有效性。最终的结果表明，传感器放置在基于 3D 点云的对象检测中是不可忽略的，这将在具有挑战性的 3D 对象检测设置的平均精度方面造成高达 10% 的性能差异。这也是首批定量研究 LiDAR 放置对感知性能影响的研究之一。

7月27日早10点，「自动驾驶新青年讲座」第3讲，卡内基梅隆大学Safe AI Lab在读博士胡寒江将主讲《自动驾驶中针对3D目标检测的多雷达放置方案评估》。

讲 者
胡寒江，卡内基梅隆大学Safe AI Lab在读博士；研究方向包括移动机器人和自动驾驶中感知系统的鲁棒性和泛化性，在CVPR、ICRA、IROS等国际会议上发表多篇论文，在ICRA2022和IROS2022带领组织SeasonDepth深度预测挑战赛和可信智能和机器人研讨会。

主 题
《自动驾驶中针对3D目标检测的多雷达放置方案评估》

提 纲

1、当前用于自动驾驶的多雷达配置方案
2、感兴趣区域内的概率占据栅格的构建
3、基于信息增益最大的替代评估指标
4、评估不同雷达配置对3D目标检测的影响

直 播 信 息
直播时间：7月27日早10:00
直播地点：智东西公开课知识店铺

成果

Multi-LiDAR-Placement-for-3D-Detection
《Investigating the Impact of Multi-LiDAR Placement onObject Detection for Autonomous Driving》

论文链接
https://arxiv.org/pdf/2105.00373.pdf

开源地址
https://github.com/HanjiangHu/Multi-LiDAR-Placement-for-3D-Detection