20190605-13 面向无人驾驶系统的视觉感知

自2019年1月起，VALSE Webinar改革活动形式，由过去每次一个讲者的方式改为两种可能的形式：

1）Webinar专题研讨：每次活动有一个研讨主题，先邀请两位主题相关的优秀讲者做专题报告（每人30分钟），随后邀请额外的2~3位嘉宾共同就研讨主题进行讨论（30分钟）。

2）Webinar特邀报告：每次活动邀请一位资深专家主讲，就其在自己熟悉领域的科研工作进行系统深入的介绍，报告时间50分钟，主持人与主讲人互动10分钟，自由问答10分钟。

报告时间：2019年6月5日（星期三）晚上20:00（北京时间）

主题：面向无人驾驶系统的视觉感知

主持人：张林（同济大学）

报告嘉宾：赵君峤（同济大学）

报告题目：无人驾驶中的SLAM技术应用

报告嘉宾：廖胜才（阿联酋起源人工智能研究院）

报告题目：面向交通场景的人车检测

Panel议题：

1. 面向自动驾驶的视觉感知方面，目前学术界研究得比较多的是目标检测、跟踪、识别等基础任务，这与实现全方位的环境感知其实还有一定距离，有哪些更高层的任务会成为今后的研究重点和热点？

2. 视觉SLAM技术在无人驾驶中的主要应用场景有哪些？目前该类技术在真正落地应用中会有哪些瓶颈？

3. 视觉SLAM技术对图像传感器的成像质量有多大依赖性？或者说，对图像传感器有何要求？

4. 语义SLAM技术目前也是研究热点。该技术在无人驾驶中的发展前景如何？有哪些重要应用场景？

5. 今年4月份，特斯拉发布了全自动驾驶计算机（full self-driving computer，FSD 计算机），号称是世界上最先进的自动驾驶计算机。当前我国在自动驾驶芯片和相关硬件领域的发展水平和前景如何？另外，马斯克谈到“用激光雷达的公司注定失败”。激光雷达在量产无人车上的应用前景如何？

6. 行人检测算法对正常姿态的人效果很好。但对于一些特殊姿态的行人鲁棒性如何？比如蹲在地上、躺在地上的等等；自动驾驶应用是否对行人检测算法的准确性提出了更高的要求？

7. 在自动驾驶应用中，往往需要在视频帧中检测到目标并同时需要估计出目标到车的距离；如何快速准确实现目标的距离估计？当前人车检测算法的设计是否充分考虑了与距离估计模块的耦合衔接？

8. 自动驾驶中硬件对人车检测有何直接或间接作用？目前业界发展得如何了？

Panel嘉宾：

赵君峤（同济大学）、廖胜才（阿联酋起源人工智能研究院）、张姗姗（南京理工大学）、邹常青（美国马里兰大学）

*欢迎大家在下方留言提出主题相关问题，主持人和panel嘉宾会从中选择若干热度高的问题加入panel议题！

报告嘉宾：赵君峤（同济大学）

报告时间：2019年6月5日（星期三）晚上20:00（北京时间）

报告题目：无人驾驶中的SLAM技术应用

报告人简介：

赵君峤博士现为同济大学电子信息与工程学院计算机科学与技术系助理教授。2006年进入测绘遥感信息工程国家重点实验室硕博连读，于2011年获得武汉大学摄影测量与遥感专业博士学位。期间曾得到中德合作项目“三维城市信息解译”资助先后前往德国慕尼黑工业大学和汉诺威大学进行学术访问。2012年至2014年前往荷兰代尔夫特理工大学从事博士后研究。主要研究兴趣为智能无人驾驶、SLAM、三维模型多尺度表达等。为同济大学智能汽车研究所“无人驾驶与SLAM”研究方向负责人，同济大学“途灵”智能无人车研究团队负责人，研发“途灵”无人车一辆，参与多届基金委举办的“中国智能车未来挑战赛”。目前主持国家自然科学基金面上项目一项，主持完成国家自然科学基金青年项目一项，参与多个国家重点研发计划、973、863重点项目。在高水平期刊和会议中发表论文近40余篇。

个人主页：

http://202.120.163.250/~junqiao/

报告摘要：

共同建图与定位技术SLAM，能够通过自主的建图和定位确定传感器的位置和姿态，是机器人以及无人驾驶系统中的基础核心技术。近年来，随着SLAM技术的不断发展以及无人驾驶研究的深入，SLAM技术在无人驾驶中的应用受到了广泛的关注。然而面向通用平台和场景的SLAM研究成果能否直接迁移至无人驾驶？针对无人驾驶的系统需求，SLAM技术如何提供可靠、稳定的自主定姿定位？是否需要构建基于新型传感器的SLAM平台？借此机会抛砖引玉，与大家探讨。

参考文献：

[1] DL-SLAM: Direct 2.5D LiDAR SLAM for Autonomous Driving. Jun Li, Junqiao* Zhao, Yuchen Kang, Xudong He, Chen Ye, Lu Sun. IEEE IV 2019, Paris, France, 2019.

[2] Vision-based Semantic Mapping and Localization for Autonomous Indoor Parking. Yewei Huang, Junqiao Zhao*, Xudong He, Shaoming Zhang, Tiantian Feng. IEEE IV 2018, Changshu, Jiangsu, China, 2018.

[3] TiEV: The Tongji Intelligent Electric Vehicle in the Intelligent Vehicle Future Challenge of China. Junqiao Zhao, Chen Ye*, Yan Wu, Linting Guan, Lewen Cai, Lu Sun, Tao Yang, Xudong He, Jun Li, Yongchao Ding, Xinglian Zhang, Xinchen Wang, Jinglin Huang, Enwei Zhang, Yewei Huang, Wei Jiang, Shaoming Zhang, Lu Xiong, Tiantian Feng. IEEE ITSC 2018, Maui, Hawaii, USA, 2018.

报告嘉宾：廖胜才（阿联酋起源人工智能研究院）

报告时间：2019年6月5日（星期三）晚上20:30（北京时间）

报告题目：面向交通场景的人车检测

报告人简介：

廖胜才博士目前是阿联酋起源人工智能研究院（IIAI）领席科学家（Lead Scientist），IEEE高级会员。2005年获中山大学数学与应用数学学士学位，2010年获中科院自动化所模识识别与智能系统博士学位，2010年至2012年于美国密歇根州立大学计算机系从事博士后研究，2012-2018年间在中科院自动化所历任助理研究员、副研究员。主要从事模式识别和计算机视觉方面的研究工作，侧重于图像视频分析领域，特别是人脸/行人检测与识别，和智能视频分析与监控。在国际主流期刊和会议上发表论文100余篇，论文被引用超过8000次（Google Scholar），其中一作单篇最高引用935次。曾担任ICPR、ICB等国际会议领域主席，Springer《生物特征识别百科全书》领域编辑，ICCV、CVPR、ECCV等国际会议程序委员，IEEE TPAMI、TIP、TNNLS、IJCV等国际期刊审稿人。因在人脸识别领域的突出工作，获得ICB 2006优秀学生论文奖，ICB 2007最佳论文奖，被2008北京奥运会安保部授予突出贡献荣誉（人脸识别电子票证系统）。此外，还获得IJCB 2014最佳审稿人奖，指导学生获得ICB 2015最佳学生论文奖和CCBR 2016最佳学生论文奖。

个人主页：

https://liaosc.wordpress.com/

报告摘要：

本报告面向交通场景的人车检测问题，特别是小目标、遮挡、检测效率等问题，介绍本团队近期的一些研究工作，包括车辆小目标的检测，单阶段CNN的行人检测，无锚点框（anchor-free）的行人检测，监控视频中的轻量级检测网络等，并展望该领域的研究发展趋势。

参考文献：

[1] High-level Semantic Feature Detection: A New Perspective for Pedestrian Detection. Wei Liu, Shengcai Liao*, Weiqiang Ren, Weidong Hu, Yinan Yu. CVPR 2019, Long Beach, California, USA, 2019.

[2] Learning Efficient Single-stage Pedestrian Detectors by Asymptotic Localization Fitting. Wei Liu, Shengcai Liao*, Weidong Hu, Xuezhi Liang, Xiao Chen. ECCV 2018, Munich, Germany, 2018.

[3] Improving Tiny Vehicle Detection In Complex Scenes. Wei Liu, Shengcai Liao*, Weidong Hu, Xuezhi Liang. ICME 2018, San Diego, USA, 2018.

Panel嘉宾：张姗姗（南京理工大学）

嘉宾简介：

张姗姗，博士，南京理工大学计算机学院（人工智能学院）教授，博士生导师。研究方向为计算机视觉和模式识别，特别关注面向无人驾驶的人体检测和分析技术。曾分别于2008年、2011年在同济大学电信学院获得工学学士和硕士学位；2015年2月在德国波恩大学获得计算机博士学位，博士论文曾获大德语区（德瑞奥三国）计算机学会最佳博士论文提名；博士毕业后在德国马普计算机所从事为期两年的博士后研究；2016年入选南京理工大学“青年拔尖人才选聘计划”，回国任教。2018年入选中国科协“青年人才托举工程”。目前以第一/通讯作者在CVPR、ECCV、T-PAMI、T-CSVT、T-ITS等顶级国际会议和国际期刊上发表论文近三十篇，谷歌学术引用达到1000+。目前主持多项科研项目，包括国家自然科学基金中德国际合作项目、江苏省自然科学基金面上项目等。

个人主页：

http://www.drweiscience.com/people/zhangshanshan

Panel嘉宾：邹常青（美国马里兰大学）

嘉宾简介：

Changqing (Aaron) Zou is an assistant research scientist and a member of the Graphics and Visual Informatics Laboratory. His research focuses on the algorithms that allow computers to understand various data including images, 2-D/3-D shapes, as well as exploring various applications based on those understandings. Zou received his doctorate in computer science from the Shenzhen Institutes of Advanced Technology (SIAT) of the Chinese Academy of Science in early 2015. While completing his doctorate, Zou worked at MSRA and the City University of Hong Kong as a visiting researcher from 2013 to 2014. He was also a postdoctoral researcher at Simon Fraser University in Canada.

个人主页：

https://changqingzou.weebly.com/

主持人：张林（同济大学）

主持人简介：

张林，男，同济大学副教授、博士生导师。他曾于2003年和2006年在上海交通大学计算机科学与技术系分别获得学士和硕士学位。之后曾先后供职于Microsoft和Autodesk公司。2008年3月至香港理工大学攻读博士学位，导师为张磊教授。2011年8月加入同济大学。主要研究兴趣包括机器视觉与图像理解、智能驾驶中的环境感知、生物特征识别、多媒体质量评价等。以第一作者身份在IEEE T-PAMI、IEEE T-IP、IEEE T-MM、Pattern Recognition等期刊上发表论文20余篇。根据Google Scholar统计，截至目前，其所发表论文总的被引用次数为5194次；其中，3篇论文入选ESI Highly Cited Papers。其论文“FSIM: A feature similarity index for image quality assessment, IEEE Trans. Image Processing, 20 (8) 2378-2386, 2011”为IEEE TIP自2011年以来所有发表论文中被引用次数最高的论文，目前被引用2091次。他于2013年入选上海市浦江人才计划。他目前是IEEE高级会员、中国计算机学会（CCF）高级会员、中国计算机学会（CCF）计算机视觉专业委员会委员、视觉与学习青年研讨会（VALSE）资深领域主席（Senior Area Chair）。

个人主页：

http://sse.tongji.edu.cn/linzhang/

19-13期VALSE在线学术报告参与方式：

长按或扫描下方二维码，关注“VALSE”微信公众号（valse_wechat），后台回复“13期”，获取直播地址。

特别鸣谢本次Webinar主要组织者：

主办AC：张林（同济大学）

协办AC：张姗姗（南京理工大学）、邹常青（美国马里兰大学）

责任AC：郑伟诗（中山大学）

活动参与方式：

1、VALSE Webinar活动依托在线直播平台进行，活动时讲者会上传PPT或共享屏幕，听众可以看到Slides，听到讲者的语音，并通过聊天功能与讲者交互；

2、为参加活动，请关注VALSE微信公众号：valse_wechat 或加入VALSE QQ群（目前A、B、C、D、E、F、G、H、I群已满，除讲者等嘉宾外，只能申请加入VALSE J群，群号：734872379）；

*注：申请加入VALSE QQ群时需验证姓名、单位和身份，缺一不可。入群后，请实名，姓名身份单位。身份：学校及科研单位人员T；企业研发I；博士D；硕士M。

3、在活动开始前5分钟左右，讲者会开启直播，听众点击直播链接即可参加活动，支持安装Windows系统的电脑、MAC电脑、手机等设备；

4、活动过程中，请不要说无关话语，以免影响活动正常进行；

5、活动过程中，如出现听不到或看不到视频等问题，建议退出再重新进入，一般都能解决问题；

6、建议务必在速度较快的网络上参加活动，优先采用有线网络连接；

7、VALSE微信公众号会在每周四发布下一周Webinar报告的通知及直播链接。

8、Webinar报告的PPT（经讲者允许后），会在VALSE官网每期报告通知的最下方更新[slides]。

9、Webinar报告的视频（经讲者允许后），会更新在VALSE爱奇艺空间，请在爱奇艺关注Valse Webinar进行观看。