绑定手机号
获取验证码
确认绑定
提问
0/255
提问
订阅开课提醒需关注服务号
回答成功
知道了
扫码关注智东西公开课服务号登录
请使用微信扫描二维码
扫描二维码分享给微信好友
您已订阅成功,有新课程,我们将第一时间提醒您。
知道了
发送提问成功
回答可在
“我的——我的提问”中查看
知道了
失败
欢迎来智东西
关注我们
智东西
车东西
芯东西
智东西公开课
嵌入式平台下点云算法的移植部署
2022/05/18 19:00:00
课程讲师
王通 觉非科技 高级算法工程师

负责觉非科技点云检测算法的开发与高性能部署,在CUDA应用加速领域有丰富经验, 研发了觉非科技自有点云算法加速引擎,已在路侧与车端场景开发迭代了多款检测模型。

王通
觉非科技 高级算法工程师

负责觉非科技点云检测算法的开发与高性能部署,在CUDA应用加速领域有丰富经验, 研发了觉非科技自有点云算法加速引擎,已在路侧与车端场景开发迭代了多款检测模型。

课程提纲
  • 嵌入式平台下的模型移植部署
  • 基于点云的目标检测算法PointPillars与稀疏卷积
  • PointPillar在TensorRT平台的移植部署
  • CUDA加速实践及经验解析
课程简介

当前,自动驾驶感知技术主要有两大技术路线:一是仅使用摄像头作为传感器进行信息采集的“纯视觉”路线,二是同时使用“摄像头+激光雷达”的多传感器融合路线。目前两大技术路线齐头并进,胜负尚未见分晓。

“纯视觉”方案往往需要用海量、不同种类和场景真实性的驾驶数据对算法进行训练,进而不断覆盖各类场景,最终无限接近人类驾驶员的判断方式,这对数据处理以及算法能力都提出了更高的要求。

相较于”纯视觉“感知路线,激光雷达兼具测距远、角度分辨率优、受环境光照影响小的特点,且无需深度学习算法,可直接获得物体的距离和方位信息,因此拥有更高的可靠性和精确性,可显著提高自动驾驶系统可靠性。

基于激光雷达的点云感知算法也具有更强的3D感知能力,但相比较图像数据,点云数据具有无序性、旋转性和稀疏性的特征,导致点云模型结构与计算量的复杂性极高,内存占用极大。因此激光雷达点云算法在嵌入式设备上的部署是一个难题。

5月18日,觉非科技联合智东西公开课策划的「觉非科技点云目标检测公开课」将直播。本次公开课的主题为《嵌入式平台下点云算法的移植部署》,将由觉非科技高级算法工程师王通进行直播讲解。

觉非科技是国内全场景智能驾驶解决方案服务商,以多传感器融合为技术路径,覆盖车、路融合系统,在乘用车出行、干线物流和城市末端三大应用场景,提供跨场景、跨平台、跨终端的一体化智能驾驶解决方案。方案可提供定制化的前装与后装定位算法、多传感器融合感知算法及动态交通信息服务,同时可整合高性能算力平台,并按照不同算力需求实现精细化部署。

王通是觉非科技高级算法工程师,负责点云检测算法的开发与高性能部署,在CUDA应用加速领域有丰富经验,研发了觉非科技自有点云算法加速引擎,已在路侧与车端场景开发迭代了多款检测模型。

本次公开课中,王通将首先介绍嵌入式平台下的模型移植部署,之后重点讲解基于点云的目标检测算法PointPillars与稀疏卷积,及PointPillars在TensorRT平台的移植部署,最后也将分享CUDA加速实践经验。

「点云目标检测公开课」将以视频直播形式进行,包含40分钟主讲和20分钟问答。同时,针对本次公开课,也组建了专属交流群,届时主讲人王通将加入,欢迎感兴趣的开发者申请。

精彩问答
提问
提问
目前还没有问题,可以点击右侧的“提问按钮”提问
更多问题...