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