【赛事】京东百万巨奖寻多传感器融合定位算法英雄
点击我爱计算机视觉标星,更快获取CVML新技术
一年一度的京东数字科技全球探索者大赛又开始了!
去年东哥联合各路大咖搞了个猪脸识别大赛,让人印象无比深刻!
没想到吧,猪脸也很重要~
今年东哥继续为大家奉上满满的诚意(xian jin),要为自己的无人送货车寻找最好的定位算法!
就是我咯~
进入正题!
自动驾驶地图优化与传感器融合赛
1. 背景介绍
近年来自动驾驶领域已经成为国内外各大高校、研究机构以及高新技术企业所关注的热点。当前,京东集团所开发的自动驾驶无人配送车已经在多个城市开启了全场景常态化的配送运营,为解决“最后一公里”难题迈出了开创性的一步。京东无人车的自动驾驶方案集成了机器人技术、人工智能、先进控制算法等技术,实现在复杂环境下自主导航和安全行驶,其中获取车辆在当前环境中的位置是实现自主导航功能的基础和前提。
京东无人配送车搭载了多个传感器以提供当前车辆的定位信息,包括 GPS(Global Positioning System)、激光雷达、惯性导航系统(Inertial Navigation System,INS)、里程计(轮速计)等。其中,激光雷达具有优秀的 3D 空间感知能力,与先验的高精度地图进行匹配可实现车辆的精确定位;GPS 尤其是差分 GPS 能够以厘米级的精度给出当前车辆的实时位置;通过惯性推算,INS 可以不受外界干扰地不间断输出载体车辆当前的位姿信息;而里程计也具有实现车辆短时局部定位的能力。然而,由于各个定位传感器自身的技术缺陷,单纯依靠一种传感器实现复杂环境下的自动驾驶车辆的定位是不可靠的。在真实的配送运营过程中,环境场景是实时变化的(如路桥维修、障碍物移动等),原先采集的高精度地图信息在变化的环境中很快便会产生误差甚至不再适用,这导致高度依赖于地图的激光雷达失去定位精度;此外,GPS 在城市峡谷、桥洞隧道等卫星信号受阻隔的环境中精度迅速下降,INS 也会由于误差累积产生定位偏移。因此,如何解决激光雷达地图差异的问题同时弥补 GPS 等传感器的缺陷是当前自动驾驶定位领域的关键技术难点。
2. 赛题任务
在当前无人配送车的自动驾驶方案中,对由于环境变化而产生误差的地图实现优化是提高激光雷达定位精度的关键,同时通过多传感器融合实现各个传感器的优势互补、增强系统的鲁棒性具有重要的应用价值。基于上述赛题背景,本赛题描述如下:
主办方提供多个传感器数据作为数据源,同时提供具有误差的激光雷达地图信息(竞赛模拟地图),参赛选手在此基础上首先对激光雷达地图进行修正与优化,并利用修正后的地图信息实现激光雷达的实时定位和开发多传感器数据融合算法。最终要求参赛者利用比赛数据集输出无人配送车全程的精确定位及定向数据,且定位与定向数据具有实时性。
重点来了!
3.奖励机制
总奖池110万元人民币,东哥真是下血本了!
全球总冠军(1名)
奖金50万元人民币,邀请加入京东数科
全球总决赛二等奖(3名)
奖金20万元人民币,京东数科技术岗直通终面资格(一年内有效)
去年猪脸识别冠军奖金30万元,看来还是无人车更重要啊~
52CV君刚看了下目前仅有9队报名,因为这个比赛专业性较强,期待官方能给个入门demo!
4.大赛报名入口
https://jdder.jd.com/
另外,同期举办的还有一个人口动态普查与预测竞赛,奖金也是110万元人民币。
那边报名的就比较多咯。
加群交流
52CV-竞赛交流群,扫码微信Your-Word拉你入群,请务必注明:竞赛。
喜欢在QQ交流的童鞋可以加52CV官方QQ群:928997753。
(不会时时在线,如果没能及时通过还请见谅)
长按关注我爱计算机视觉
【点赞与转发】就是一种鼓励
【赛事】京东百万巨奖寻多传感器融合定位算法英雄相关推荐
- 论文笔记——基于因子图消元优化的多传感器融合定位算法
创新点: 为了提高抗干扰性和容错能力,在链式因子图模型中加入滑动窗口用于保留窗口内历史状态信息:同时为了避免高维矩阵运算,引入消元算法将因子图转化为贝叶斯网络,依次边缘化历史状态,实现矩阵降维. 提出 ...
- 深蓝学院-多传感器融合定位课程-第2章-3D激光里程计I
专栏文章: 深蓝学院-多传感器融合定位课程-第1章-概述_goldqiu的博客-CSDN博客 github保存了相关代码和学习笔记: Shenlan-Course-Multi-Sensor-Fusio ...
- 【多传感器融合定位】【从零开始做自动驾驶定位_任佬】【所学到的东西汇总】
[多传感器融合定位][从零开始做自动驾驶定位_任佬][所学到的东西汇总] 0 前言 1 开篇 1.1 代码工程的运行 2 数据集 3 软件框架 3.1 运行 3.2 学到的 3.2.1 对消息的订阅和 ...
- 多传感器融合定位三-3D激光里程计其三:点云畸变补偿
多传感器融合定位三-3D激光里程计其三:点云畸变补偿 1. 产生原因 2. 补偿方法 Reference: 深蓝学院-多传感器融合 多传感器融合定位理论基础 文章跳转: 多传感器融合定位一-3D激光里 ...
- 多传感器融合定位五-点云地图构建及定位
多传感器融合定位五-点云地图构建及定位 1. 回环检测 1.1 基于Scan Context 1.2 基于直方图 2. 后端优化 2.1 后端优化基本原理 2.2 李群.李代数基本知识 2.3 李群. ...
- 多传感器融合定位十四-基于图优化的定位方法
多传感器融合定位十四-基于图优化的定位方法 1. 基于图优化的定位简介 1.1 核心思路 1.2 定位流程 2. 边缘化原理及应用 2.1 边缘化原理 2.2 从滤波角度理解边缘化 3. 基于kitt ...
- 多传感器融合定位十五-多传感器时空标定(综述)
多传感器融合定位十五-多传感器时空标定 1. 多传感器标定简介 1.1 标定内容及方法 1.2 讲解思路 2. 内参标定 2.1 雷达内参标定 2.2 IMU内参标定 2.3 编码器内参标定 2.4 ...
- 多传感器融合定位七-惯性导航解算及误差分析其一
多传感器融合定位七-惯性导航解算及误差分析其一 1. 三维运动描述基础知识 1.1 概述 1.2 姿态描述方法 1.2.1 欧拉角 1.2.2 旋转矩阵 1.2.3 四元数 1.2.4 等效旋转矢量 ...
- 多传感器融合定位(GPS+Wheel+camera)(1)-读取传感器数据
多传感器融合定位(GPS+Wheel+camera)(1)-读取传感器数据 文章目录 1.读取Kaist数据集到融合系统中 1.读取Kaist数据集到融合系统中 int main(int argc, ...
最新文章
- Django-缓存的配置
- php try 并回滚,ThinkPHP异常处理、事务处理(事务回滚)
- WCF 接收我服务的 HTTP 响应时发生错误
- 关于.framework 文件过大 移除包内对i386 x86_64 的支持
- 2017.5.5-afternoon
- Java虚拟机学习(2):垃圾收集算法
- 目标检测特殊层:ROI Align层详解
- decose oracle_ORACLE会话连接进程三者总结
- Bootstrap 按钮状态提示
- faster-rcnn for tensorflow 测试过程
- Problem(三):工作中的记录。。。。
- 毕业之际,个人学习感言和收获
- spring boot 教程(一) 构建我的第一个Spring boot
- MD5算法的C++实现
- StringTokenizer字符串分解器
- headerutf php_php header设置编码的方法
- RNN神经网络- 吴恩达Andrew Ng 循环神经网络 NLP Transformers Week4 知识总结
- 【STM32F429的DSP教程】第13章 DSP快速计算函数-三角函数和平方根
- Java实现zip文件压缩与解压缩--附完整代码
- java怎么弹出页面_java怎么样实现弹出窗口
热门文章
- Javascript基于对象三大特征
- PHP程序构造,PHP程序员在做网站开发前对基本目录结构如何规划?
- java怎么判断按钮是否被点击_怎么判断肌肉训练后是否已经恢复
- 变形监测期末复习_材料力学复习题
- java函数参数 省略号_[转] java使用省略号代替多参数.pdf
- modbus连续读取时数据不正确_使用MODBUS协议与传感器、工控屏对接时碰到的问题...
- 映客都是互刷礼物吗_仿映客刷礼物效果 代码优化
- python cmd窗口名字_python cmd 窗口 中文乱码 解决方法 (附:打印不同颜色)
- python 去重_上来就情感分析?我还是先用python去去重吧!
- dw怎么修改html框架的宽度,Dreamweaver (dw)cs6中div标签宽度和高度设置方法