商汤绝影的BEV目标感知算法具有卓越的泛化性、丰富性和长尾目标感知能力。基于 Transformer和时序模型的BEV算法框架,绝影能够实现在鸟瞰图视角下优化特征的环视物体检测方案,在多视角摄像头的3D目标检测上性能优异。在雨天的城区道路中行驶,对前方小车、非机动车、行人等目标的感知能力准确且稳定、识别丰富度高,且具有更强鲁棒性。针对各种异型车以及长尾目标感知,依旧能保持较高的检出率与泛化性。
商汤绝影的BEV车道线感知算法可在更大感受野下预测完整的车道线结构,在智驾量产中实现更为精准的车道线检测。凭借前融合方案,绝影不仅解决了在颠簸、上下坡、大曲率弯道路况中的车道线检测难题,同时还覆盖了高速匝道、大曲率弯道、模糊车道线、超宽车道、S弯等丰富的车道线类型。例如在过弯、上下坡海拔出现变化时,可依据检测到的车道线,精确“脑补”延伸出车道线,并保持稳定的感知效果。
此外,商汤绝影创新研发的深度学习融合感知算法NN-Fusion,以数据驱动打破了“规则”算法局限。当前,行业通用的基于规则与传统算法的融合系统存在算法框架复杂、计算资源消耗大、时延性较高、开发难度大、泛化能力差等问题。而NN-Fusion算法是以数据驱动的深度学习融合算法,能够有效规避上述问题,减少资源占用,具有更强大的泛化能力和迭代能力,在不同场景中感知识别能力优于基于规则的融合感知算法,大幅提升感知性能。