【ITBEAR】在无人驾驶技术的浪潮中，仙途智能以其卓越的自动驾驶解决方案脱颖而出，成为商业化进程中的佼佼者。这家深耕自动驾驶领域的企业，凭借全栈自研的技术栈和广泛的场景应用经验，在感知技术上取得了显著突破，特别是在BEV（Bird's Eye View）多任务感知模块的研发上，展现出了强大的创新能力。
仙途智能的BEV多任务感知技术，打破了传统无人感知技术栈的局限。传统方法通常依赖2D图像输入生成感知结果，再通过传感器融合技术处理多个相机和激光雷达的数据。这一过程不仅复杂，还易受遮挡、信息损失等问题影响。而BEV技术则将这些多传感器特征统一在3D空间内，以更简洁高效的方式直接进行感知，显著提升了信息利用率和感知精度。
图：BEV多任务处理示意图
仙途智能的BEV多任务感知系统，专为环卫场景设计，具备多任务处理、多模态融合和跨时序感知三大特点。该系统不仅支持传统交通场景中的常见检测任务，如车辆、行人、交通标志等，还针对环卫作业新增了低矮障碍物检测、路沿检测、垃圾检测等特色任务。通过共享骨干网络的网络结构，计算负担降低了30%以上，确保了自动驾驶车辆的实时环境感知能力。
多模态融合技术进一步提升了感知的精准度和实时性。BEV感知推理结合了环视图像和多激光雷达点云作为输入，具备跨多模态、跨多传感器的信息聚合能力，有效弥补了单模态感知的不足。相比纯视觉算法和单激光点云感知算法，仙途智能的BEV感知精度分别提升了32.6%和18.9%以上，且具备可拓展性，能够接入更多传感器数据。
跨时序感知能力则是BEV技术的另一大亮点。通过多帧点云输入和多帧特征聚合，BEV感知能够在长时间范围内补全当前帧中的信息缺失，提升感知精度，并具备更精确的目标运动速度预测能力。这一特性在复杂交通场景中尤为重要，能够帮助自动驾驶车辆更好地应对突发情况和动态变化的环境。
在实际应用中，仙途智能的BEV多任务感知技术展现出了强大的解决复杂场景挑战的能力。以低矮障碍物检测为例，仙途智能设计了一套以视觉为主、激光为辅的多传感器检测方案，结合属性预测和occupancy预测，以及垃圾检测技术，能够准确预估障碍物的尺寸、高度等关键参数，有效辅助决策系统判断是否需要绕行或进行清洁作业。以下图为例：
图：低矮障碍物识别实例（黑色垃圾袋）
在复杂路况的3D目标检测、BEV路沿检测、3D语义分割等方面，仙途智能的BEV感知技术也展现出了卓越的性能。在繁忙的交通路口中，BEV感知系统能够稳定检出并动态预测众多擦肩而过的交通参与者，为自动驾驶车辆提供了全方位、360度的精准感知。在路沿检测方面，通过引入时序信息和几何特征，实现了对不同形状路沿的准确识别和追踪。而在3D语义分割方面，通过结合图像和激光雷达的语义信息，实现了对扬尘、水雾等障碍物的有效识别和过滤。
为了加速研发迭代和实现降本增效，仙途智能还构建了高效的数据闭环系统。该系统包括数据挖掘、自动标注、2D和3D数据仿真等模块，能够基于海量历史数据快速挖掘长尾场景，并通过自动标注系统成倍提升标注效率，大大缩短了模型迭代周期。同时，通过2D和3D数据仿真相结合，模拟出高保真的长尾场景，丰富了自动驾驶算法的训练数据，提升了感知模型的泛化能力。
