2 月 28 日，一年一度的计算机视觉顶会 CVPR 2023 放榜。由毫末智行人工智能中心技术团队提交的《BEV-LaneDet: a Simple and Effective 3D Lane Detection Baseline（一种简单有效的 3D 车道线检测方法）》论文成功入选。

计算机视觉与模式识别会议（IEEE Conference on Computer Vision and Pattern Recognition，简称：CVPR）是计算机视觉与模式识别领域的三大顶级会议之一，由纽卡斯尔大学、悉尼科技大学、约翰霍普金斯大学等顶级名校和机构组织。CVPR 有着较为严苛的录用标准，CVPR 官方透露，CVPR2023 一共收到了 9155 份论文，创下历史新高，而组委会最终录用了 2360 篇论文，接收率为 25.78%。

3D 车道检测作为自动驾驶领域的热门话题，在车辆路径选择中起着至关重要的作用。在以往，相关技术往往由于其复杂的空间转换和 3D 车道的不灵活表示而难以实用。面对这些问题，毫末完全自主研发了一种高效、鲁棒的单目 3D 车道检测，简称：BEV-LaneDet。

BEV-LaneDet 模型

毫末团队在 BEV-LaneDet 中，首先通过虚拟相机将输入图像的所有内外参数转换为统一的内外参数，确保了不同车辆中前置摄像头空间关系的一致性，有效促进学习过程。并且，毫末团队使用特征提取器来提取前视图图像的特征，并提出了一种简单但有效的三维车道表示，被称为 "Key-Points Representation"，该模块更适合于表示复杂多样的 3D 车道结构。在此基础上，受 FPN 启发，毫末团队还设计了一个轻量级和芯片友好的空间变换模块，称为 "Spatial Transformation Pyramid"，这是一个基于 VPN 的快速多尺度空间变换模块，主要负责从前视图特征到 BEV 特征的转换。最后，毫末团队预测了与局部路面相切的平面上的车道，并将局部路面分成 s1 × s2 个 grid，预测了置信度 confidence、用于聚类的 embedding、横向误 offset 以及每个 grid 的高度 height，在推理中使用快速聚类方法来融合每个分支的结果，以获得 3D 车道。

BEV-LaneDet 在公开集合 Openlane 的表现

通过以上这些方法，在公开集合 OpenLane 数据集上，BEV-LaneDet 的 F1-S core 可以达到 185FPS，比目前的 SOTA 提升了 10.6%。在公开集合 Apollo 3D Lane Synthetic 上的表现，BEV-LaneDet 同样可以做到大幅度领先目前的 SOTA 方法 4.0%。

BEV-LaneDet 在公开集合上的可视化表现

毫末团队 BEV-LaneDet 撰写的论文入选 CVPR，再次彰显了毫末的深厚 AI 技术积累。如今，毫末已经快速成长成为中国量产自动驾驶第一名。HPilot 已迭代三代产品，在魏牌、坦克、哈弗、欧拉、长城炮等多个品牌近 20 款车型上实现了规模化量产，未来搭载毫末辅助驾驶产品的乘用车将达到百万量级。截至 2023 年 2 月，毫末用户辅助驾驶行驶里程突破 3500 万公里。中国第一个可大规模落地的城市导航辅助驾驶毫末城市 NOH 目前也已软件封版达到交付状态。此外，毫末末端物流自动配送车已初步完成商业闭环，交付超 1000 台，末端物流自动配送车小魔驼系列配送订单量也已突破 16 万单，商业化进程正全面提速。

当下，随着各类新兴技术逐步渗透到自动驾驶行业，毫末智行也将继续加码在大模型训练、重感知、认知推理等 AI 技术领域，助推更多前沿技术在自动驾驶领域落地。