智能车赛道，藏着一个最隐秘的AI视觉玩家。

这个玩家尚未官宣任何智能车相关的业务进展，但又在最核心、最前沿、最被渴求的自动驾驶系统能力上屡屡展现竞争力——全球AI顶会冠军级的统治力。

不仅具体技术上突出，在目标检测、语义分割、视觉推理等方面有诸多顶会级研究；还拿下多个自动驾驶相关比赛的冠军，甚至还用7个摄像头的纯视觉方案，完成了高速、城区和泊车环境的自动驾驶。

这个玩家不是特斯拉的AI团队，这个玩家是旷视科技。

在最近的AI顶会CVPR中，大模型加持下的视觉研究，正在驱动自动驾驶方向的新研究，而旷视研究院，在一众自动驾驶和智能车玩家参与的竞赛中，获得了考察自动驾驶环境感知能力的冠军。

旷视刷榜了什么自动驾驶比赛？

旷视研究院参加的这个比赛，是CVPR 2023专门面向自动驾驶感知决策系统设立的挑战赛。其中OpenLane拓扑关系挑战赛冠军，被旷视收入囊中。

挑战赛一共四个赛道，除了旷视参加的OpenLane拓扑关系挑战赛（OpenLane Topology），还有在线高精地图构建挑战赛（Online HD Map Construction）、三维占据栅格预测挑战赛（3D Occupancy Prediction）和nuPlan规划挑战赛（nuPlan Planning）。

其中，OpenLane拓扑关系赛道主要考察自动驾驶技术理解场景的能力。

赛道要求基于OpenLane-V2（OpenLane-Huawei）数据集，输入给定环视相机照片，参赛者需要输出车道中心线和交通元素的感知结果，以及这些元素之间的拓扑关系预测。

也就是说，这个比赛不是考察以往自动驾驶感知中，对车道边缘线或者交通标志单一的识别能力，而是要求自动驾驶技术可以感知车道中心线，还要能理解车道中心线和交通元素的逻辑关系，比如绿灯亮了，这意味着哪条车道可以通行。

那么如何判定冠军？OpenLane-V2数据集提供了判定标准：OLS分数（OpenLane-V2 Score），通过计算感知结果和拓扑预测mAP的平均值判定得分。

在34个参赛队伍中，来自旷视研究院的队伍得分唯一超过55分，达到55.19分，具有明显优势。

那么，旷视用了什么样的方法？

旷视的自动驾驶纯视觉方案

首先感知阶段，对于交通元素检测和车道中心线检测两个感知任务，旷视分别采用了两个不同的模型。

对于交通元素检测，旷视使用主流2D检测模型YOLO系列中最新一代YOLOv8作为baseline，相较于其他2D检测方法YOLO速度更快，性能更准确。

再加上比赛使用的数据集OpenLane-V2标注了交通标识和车道的对应关系，旷视在YOLOv8训练过程中增加Strong augmentation、Reweighting classification loss、Resampling difficult samples、Pseudo label learning和Test-time augmentation共5个trick，通过和前视角图像交互生成对应交通元素的特征。

对于车道中心线检测，旷视使用自研PETRv2模型作为baseline。PETRv2提供了一个统一的纯视觉3D感知框架，可以用于3D目标检测和BEV分割。

而在这次比赛中，旷视利用PETRv2从多视角图像中提取2D特征，以及利用摄像头截锥空间中生成3D坐标，把2D特征和3D坐标输入3D位置编码器。

随后使用3D位置编码器给Transformer解码器生成key和value组件，lane queries再通过全局注意力机制和图像特征进行交互，生成3D车道中心线检测成果和对应的车道中心线特征。

而在拓扑关系预测阶段，旷视基于YOLOv8和PETRv2搭建了一个多阶段的网络框架，并利用两个感知任务生成的成果拼接对应特征，再使用两层MLP预测对应的拓扑关系矩阵。

最后从OLS得分来看，旷视团队的这套方法在交通元素感知（DETt）、车道线之间拓扑关系预测（TOPll）和车道线与交通元素拓扑关系预测（TOPlt）方面均领先于其他参赛者。

计算机视觉加速发展，市场规模超千亿

AI产业链可分为基础层、技术层、应用层。

- 基础层：主要包括芯片、软件框架、传感器、服务器、数据（集）等软硬件及服务，为技术层提供算力、数据等底层支撑。

- 技术层：主要通过基础层的算力、数据支持，进行海量模拟训练和机器学习建模，为人工智能提供核心的算法与应用技术，主要包括以深度学习为代表的算法模型，以及计算机视觉、智能语音、机器学习、生物特征识别、知识图谱等关键技术。技术层是人工智能发展的核心，对应用层的智能化发展起到决定性作用。

- 应用层：面向特定应用场景需求而形成的软硬件产品或解决方案。人工智能应用广泛，可有效赋能下游领域实现人工智能应用，为其转型与发展注入强劲新动能，如智能机器人、AI+医疗、AI+金融、AI+交通等。

计算机视觉产业链也可分为基础层、技术层、应用层。基础层包括硬件支持、算法支持和数据集；技术层包括视觉技术平台、视频识别、图片识别和模式匹配；应用层包括计算机视觉技术在智慧城市、智慧安防、智慧物流、智慧金融、手机终端和智慧商业等领域的应用。随着机器学习的不断推进，图像及视频识别准确率持续提升，计算机视觉算法向着高效求解复杂问题、进行全局优化的方向发展。

计算机视觉的技术应用领域从最初的静态人脸识别和光学字符识别，逐渐扩展到了人脸识别分析、活体检测、人体识别分析、物体检测识别、行为识别分析、人体重识别、医疗影像诊断技术等诸多种方向，在泛安防、金融、互联网、医疗、工业、政务等领域得到广泛应用，市场规模仍处于高速增长阶段。据统计，我国高达42%的企业有应用计算机视觉相关技术，2021 年，我国计算机视觉核心产业规模和带动相关产业规模分别为989.6 亿元和 3079 亿元，占人工智能核心产业和带动相关产业规模的比重分别达到49.5%和 40.0%。

深度绑定AI技术，智能驾驶技术驶入加速发展快车道

复盘自动驾驶的发展历程，自动驾驶进程与AI技术发展深度绑定。上世纪后期高校开始自动驾驶实验，并初步应用AI技术。2004年起DAPRA开启无人驾驶挑战赛，激起自动驾驶研究浪潮，机器学习得到更广泛应用。2009年科技巨头谷歌入局，2012年以卷积神经网络(CNN)在图像识别中的应用为节点，自动驾驶深度绑定AI技术，开启快速发展。传统OEM、初创公司、科技企业纷纷投入自动驾驶研发，国内百度、小马智行、文远知行也深化布局，共同推动自动驾驶商业化进程加速。

AI技术发展推动自动驾驶两次产业浪潮：1）2018年以前，受益于深度学习在图像识别等感知领域的应用，自动驾驶迈向产业化，直接面向L4的初创公司受到市场热捧，但商业化落地受到成本瓶颈、长尾问题和法规等限制。根据Gartner的新兴技术成熟度曲线，2019年高级自动驾驶已处于泡沫化低谷期。

2）后经过3-4年的技术积累，感知和决策算法等核心技术的突破提高了AI模型鲁棒性、系统冗余性、测试完善性，助力自动驾驶加快商业落地节奏。近两年具备L2/L2+功能的车型如小鹏P7、Model3等成功上市并扩大量产，特定场景的L3/L4级功能开始落地。

根据Gartner 2020年7月的AI技术成熟度曲线，高级自动驾驶开始爬出泡沫化低谷期。我们认为，随着AI技术与驾驶场景的深度融合，智能车将逐步实现从低速到高速、载物到载人、商用到民用的落地。

文章来源： 智能车参考，挖掘龙头逻辑，中金研究