距離2018 IEEEIV國(guó)際智能車(chē)會(huì)議開(kāi)幕還有一個(gè)月左右的時(shí)間，大會(huì)組委會(huì)近日公布了本屆IV會(huì)議論文收錄情況。本屆IEEE IV大會(huì)共收到來(lái)自34個(gè)國(guó)家的603篇論文，接收論文356篇，錄取率為59%，其中282篇Contributed paper，21篇SpecialSession Paper，53篇Workshops paper。

由IEEE智能交通系統(tǒng)協(xié)會(huì)（ITSS）主辦的第29屆國(guó)際智能車(chē)大會(huì)( IEEE IV 2018)將于2018年6月26日在中國(guó)常熟拉開(kāi)序幕。IEEE Intelligent Vehicle Symposium（IEEE國(guó)際智能車(chē)大會(huì)）是IEEE智能交通協(xié)會(huì)舉辦的兩大年度旗艦會(huì)議之一，旨在為全球該領(lǐng)域相關(guān)的研究人員、工程師、學(xué)者提供當(dāng)今最先進(jìn)技術(shù)的交流研討機(jī)會(huì)。

2018 IEEE IV會(huì)議投稿總數(shù)創(chuàng)歷史新高

IEEE IV會(huì)議自1989年至今已經(jīng)舉辦了29屆，目前是全球智能車(chē)科研學(xué)術(shù)領(lǐng)域水平最高、規(guī)模最大、歷史最為悠久的頂級(jí)大會(huì)，堪比AI領(lǐng)域的NIPS大會(huì)。大會(huì)每年都會(huì)收到來(lái)自世界各地的專(zhuān)家學(xué)者的投稿，本屆IEEE IV大會(huì)共收到來(lái)自34個(gè)國(guó)家的603篇論文，有356篇論文被接收，其中282篇Contributed paper，21篇SpecialSession Paper，53篇Workshops paper，錄取率為59%。

第29屆IEEE IV的所有論文都將被EI收錄，優(yōu)秀論文將被推薦到IEEE智能車(chē)匯刊（IEEE Transactions on Intelligent Vehicles），IEEE智能交通系統(tǒng)匯刊（IEEE Transactions on Intelligent Transportation Systems，SCI檢索，影響因子3.724），IEEE/ CAA自動(dòng)化學(xué)報(bào)（IEEE/CAA Journal of Automatica Sinica）和IEEE智能交通系統(tǒng)雜志（IEEE Intelligent Transportation Systems Magazine，SCI檢索，影響因子3.654）上發(fā)表。

2018 IEEE IV會(huì)議是繼2009年登陸中國(guó)（西安）之后，第二次來(lái)到中國(guó)（常熟），吸引了一大批國(guó)內(nèi)智能車(chē)領(lǐng)域研究學(xué)者的投稿。主會(huì)議論文投稿中有153篇（錄用69篇）來(lái)自中國(guó)，83篇（錄用64篇）來(lái)自德國(guó)，58篇（錄用46篇）來(lái)自美國(guó)，這三個(gè)國(guó)家的投稿占據(jù)了所有論文投稿的近三分之一。美國(guó)是自動(dòng)駕駛技術(shù)的發(fā)源地，對(duì)此技術(shù)的探索一直處于世界領(lǐng)先水平，收到的論文質(zhì)量也很高，錄取比例高達(dá)79%；德國(guó)一直是汽車(chē)技術(shù)強(qiáng)國(guó)，奔馳、寶馬、大眾等汽車(chē)知名品牌都來(lái)源于德國(guó)，盡管相比論文他們更看重專(zhuān)利，但是本屆大會(huì)上他們也投了很多高質(zhì)量的文章；近幾年，隨著國(guó)家對(duì)智能汽車(chē)技術(shù)的關(guān)注，國(guó)內(nèi)迎來(lái)了汽車(chē)智能化的研究熱潮，共收到來(lái)自國(guó)內(nèi)各高校、研發(fā)單位等機(jī)構(gòu)的153篇稿件，錄用論文總數(shù)達(dá)到了69篇，其中不乏一些國(guó)際領(lǐng)先的技術(shù)研究。

Special Session Papers 主要來(lái)自中國(guó)、美國(guó)、英國(guó)、加拿大四個(gè)國(guó)家的高校和機(jī)構(gòu)的投稿，共收到55篇論文，其中 41篇來(lái)自國(guó)內(nèi)機(jī)構(gòu)投稿，包括：清華大學(xué)、中科院自動(dòng)化研究所、西安交通大學(xué)、同濟(jì)大學(xué)、武漢理工大學(xué)、上海交通大學(xué)、昆明理工大學(xué)等。從這些數(shù)據(jù)中，可以看出國(guó)內(nèi)高校對(duì)這次大會(huì)關(guān)注和重視，也暗示出我國(guó)在智能駕駛學(xué)術(shù)研究上的投入。國(guó)內(nèi)稿件雖多，但最終只有12篇論文被錄用。同時(shí)，大會(huì)也收到了美國(guó)聯(lián)邦公路管理局、福特汽車(chē)公司、加拿大滑鐵盧大學(xué)等國(guó)外機(jī)構(gòu)的高質(zhì)量論文。

本屆大會(huì)涵蓋新能源汽車(chē)、特種地面車(chē)輛、智能車(chē)輛控制與安全、CAV測(cè)試與評(píng)估、智能車(chē)輛仿真與導(dǎo)航等9大主題會(huì)議，將由國(guó)內(nèi)外頂級(jí)專(zhuān)家學(xué)者以主旨報(bào)告、現(xiàn)場(chǎng)討論等多種形式分享當(dāng)前智能車(chē)領(lǐng)域的最新技術(shù)動(dòng)態(tài)以及未來(lái)發(fā)展前景。同時(shí)，由來(lái)自世界各地的數(shù)千名學(xué)者組織的20多個(gè)專(zhuān)業(yè)研討會(huì)，將圍繞智能汽車(chē)的感知、識(shí)別、輔助系統(tǒng)、虛擬測(cè)試、智能交通系統(tǒng)、人機(jī)交互等多個(gè)相關(guān)主題展開(kāi)為期三天的學(xué)術(shù)探討，優(yōu)秀論文的作者也將分享他們的論文核心內(nèi)容，讓廣大業(yè)內(nèi)外人士更清晰地了解智能汽車(chē)領(lǐng)域未來(lái)發(fā)展趨勢(shì)，知悉行業(yè)最新動(dòng)態(tài)，把握市場(chǎng)發(fā)展脈絡(luò)，促進(jìn)產(chǎn)業(yè)快速發(fā)展。同期舉辦的智能汽車(chē)產(chǎn)業(yè)展匯集了英特爾、偉世通、慧拓智能、車(chē)和家、美團(tuán)等數(shù)百家智能汽車(chē)及零部件企業(yè)，分享最新產(chǎn)業(yè)成果、展望未來(lái)產(chǎn)業(yè)動(dòng)向。將智能車(chē)領(lǐng)域最尖端技術(shù)研究與科研成果轉(zhuǎn)化有機(jī)結(jié)合，為技術(shù)理論研究方向提供產(chǎn)業(yè)化引導(dǎo)與啟發(fā)。

IV 2018推薦論文

IEEE IV大會(huì)有嚴(yán)格的論文評(píng)價(jià)機(jī)制，資歷深厚的組委會(huì)陣容和在智能車(chē)相關(guān)領(lǐng)域深耕多年的審稿專(zhuān)家保證了論文審核工作的公平、公正、有序進(jìn)行。智車(chē)科技作為本次大會(huì)的戰(zhàn)略合作伙伴，得到了本次論文的整體評(píng)分情況，并選擇了其中評(píng)分較高的一些論文進(jìn)行重點(diǎn)梳理與推薦。（排名不分先后）

CONTRIBUTED PAPERS

Paper

1

Rendering Physically Correct Raindrops on Wind shields for Robustness Verification of Camera-based Object Recognition

這篇論文的作者是 Alexandervon Bernuth, 來(lái)自德國(guó)圖賓根大學(xué)Wilhelm Schickard計(jì)算機(jī)科學(xué)研究所計(jì)算機(jī)工程系主任。單看論文標(biāo)題就讓人興致盎然，通過(guò)在擋風(fēng)玻璃上撒上水滴來(lái)模擬下雨場(chǎng)景，進(jìn)行攝像頭目標(biāo)識(shí)別的魯棒性驗(yàn)證。對(duì)于無(wú)人駕駛汽車(chē)來(lái)講，下雨天確實(shí)給視覺(jué)識(shí)別帶來(lái)很大的麻煩，雨水附著會(huì)使鏡頭變得模糊不清。目前，有一部分公司推出專(zhuān)門(mén)的微型雨刷器或者加熱技術(shù)來(lái)去除水滴，硬件上的改變并不能徹底解決相機(jī)對(duì)下雨場(chǎng)景的魯棒性，人工智能可能要學(xué)習(xí)適應(yīng)在雨中處理圖像。Alexander von Bernuth團(tuán)隊(duì)提出了一種新的方法來(lái)渲染這些雨滴，使用連續(xù)最近鄰R*樹(shù)搜索算法。3D場(chǎng)景是由攝像頭生成的立體圖像，雨滴下落過(guò)程遵循物理定律，所得到的圖像可用于擴(kuò)展機(jī)器學(xué)習(xí)的訓(xùn)練數(shù)據(jù)集，而不必強(qiáng)制獲得新的真實(shí)圖像。

左圖為原始采集圖像和使用3D光線(xiàn)跟蹤算法重建場(chǎng)景的完整渲染圖之間的差異。右圖為城市景觀數(shù)據(jù)集與渲染雨滴。擋風(fēng)玻璃放置在相機(jī)前30cm處，水平方向傾斜27°。雨滴下落半徑在r＝1.5mm，標(biāo)準(zhǔn)偏差為0.4mm。

Paper

2

Towards End-to-End Lane Detection: an Instance Segmentation Approach

系統(tǒng)總覽圖：給定一個(gè)輸入圖像，LaneNet輸出一個(gè)車(chē)道實(shí)例地圖，為車(chē)道ID標(biāo)記每個(gè)車(chē)道像素。接下來(lái)，使用H-Net輸出的變換矩陣來(lái)變換車(chē)道像素，該變換矩陣學(xué)習(xí)了以輸入圖像為條件的透視變換。對(duì)于每一條車(chē)道，都用三階多項(xiàng)式進(jìn)行擬合，并且車(chē)道被重新投影到圖像上。

第二篇論文作者為來(lái)自比利時(shí)魯汶大學(xué)的Davy Neven，魯汶大學(xué)是比利時(shí)久負(fù)盛名的最高學(xué)府，世界50強(qiáng)高校，歐洲歷史最悠久且最受人尊敬的大學(xué)之一，也是享譽(yù)全球的世界級(jí)頂尖研究型大學(xué)。Davy Neven近幾年來(lái)，一直在圍繞語(yǔ)義分割、場(chǎng)景理解、動(dòng)態(tài)圖像增強(qiáng)等技術(shù)進(jìn)行研究。該論文，他們介紹了一種以50幀/秒進(jìn)行端到端車(chē)道檢測(cè)的方法，這是一種快速車(chē)道檢測(cè)算法，可以處理不同數(shù)量的車(chē)道并應(yīng)對(duì)車(chē)道變化。應(yīng)用一個(gè)以圖像為條件的學(xué)習(xí)透視變換，對(duì)分段的實(shí)例車(chē)道進(jìn)行參數(shù)化，確保了一種對(duì)道路平面變化具有魯棒性的車(chē)道匹配，可以有效抵抗地平面的坡度變化。這種方法擺脫了傳統(tǒng)車(chē)道檢測(cè)方法對(duì)高度專(zhuān)業(yè)化手工標(biāo)注的依賴(lài)，同時(shí)也解決了近期提出的利用深度學(xué)習(xí)模型進(jìn)行像素級(jí)車(chē)道分割訓(xùn)練需要預(yù)定義固定數(shù)量的車(chē)道的缺陷。

Paper

3

Probabilistic Prediction of Vehicle Semantic Intention and Motion

預(yù)測(cè)車(chē)輛在不同駕駛場(chǎng)景下的插入?yún)^(qū)域（彩色區(qū)域）

來(lái)自美國(guó)加州大學(xué)伯克利分校機(jī)械工程系的Yeping Hu博士分享了他們?cè)谲?chē)輛語(yǔ)義意圖和運(yùn)動(dòng)的概率預(yù)測(cè)方面的研究論文。她的研究涵蓋城市自動(dòng)駕駛的決策，運(yùn)動(dòng)規(guī)劃和運(yùn)動(dòng)預(yù)測(cè)。目前正在開(kāi)展一項(xiàng)BDD項(xiàng)目：“基于深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的隨機(jī)政策的城市自主駕駛運(yùn)動(dòng)預(yù)測(cè)”。目前大多數(shù)研究?jī)H通過(guò)考慮特定場(chǎng)景來(lái)確定駕駛意圖的數(shù)量。然而，不同的駕駛環(huán)境通常包含各種可能的駕駛操縱。因此，需要一種能夠適應(yīng)不同流量場(chǎng)景的意圖預(yù)測(cè)方法。在Yeping Hu博士的論文中提出了一種基于語(yǔ)義的意圖和運(yùn)動(dòng)預(yù)測(cè)（SIMP）方法，可以通過(guò)使用語(yǔ)義定義的車(chē)輛行為來(lái)適應(yīng)任何駕駛場(chǎng)景。它利用基于深度神經(jīng)網(wǎng)絡(luò)的概率框架來(lái)估計(jì)周?chē)?chē)輛的意圖，最終位置和相應(yīng)的時(shí)間信息。

Paper

4

Modeling and Predicting Vehicle MotionActivities by Using And-Or Graph

車(chē)道變換場(chǎng)景中的與或圖

通過(guò)建模來(lái)預(yù)測(cè)車(chē)輛運(yùn)動(dòng)能力對(duì)于自動(dòng)駕駛汽車(chē)來(lái)說(shuō)非常重要。清華大學(xué)的汪爍楓、李力等人提出了一個(gè)基于與或圖的模型，該模型可以給出一個(gè)簡(jiǎn)單明了的車(chē)輛運(yùn)動(dòng)描述。與其他模型相比，這個(gè)新模型放寬了馬爾可夫性質(zhì)在兩個(gè)活動(dòng)之間轉(zhuǎn)換的要求，因此更加靈活。這個(gè)模型的參數(shù)可以很容易地從數(shù)據(jù)中學(xué)習(xí)。使用訓(xùn)練好的新模型，可以預(yù)測(cè)正在進(jìn)行的運(yùn)動(dòng)活動(dòng)標(biāo)簽及其相應(yīng)的概率。他們通過(guò)實(shí)驗(yàn)表明，這種新模型可以實(shí)現(xiàn)很高標(biāo)準(zhǔn)的預(yù)測(cè)精度（97％）。

Paper

5

CNN-based multi-frame IMO detection from a monocular camera

上圖為KITTI數(shù)據(jù)集里序列拍攝的場(chǎng)景：IMO在頂部圖像中被正確識(shí)別。

德國(guó)的NolangFanani博士是IEEE IV會(huì)議的?？停?016年的IEEE IV會(huì)議上發(fā)表過(guò)一篇《使用基于傳播的跟蹤關(guān)鍵點(diǎn)軌跡估計(jì)》（Keypoint trajectory estimation using propagationbased tracking），2017年發(fā)表過(guò)一篇《單眼視覺(jué)測(cè)距的多模態(tài)尺度估計(jì)》（Multimodal scale estimation for monocular visual odometry），而今年的大會(huì)他帶來(lái)的論文題目為CNN-based multi-frame IMO detection from amonocular camera。這篇文章介紹了一種用于從安裝在車(chē)輛上的單目攝像頭中檢測(cè)獨(dú)立移動(dòng)物體（IMO）的方法。這種方法采用一個(gè)基于CNN的分類(lèi)器，來(lái)生成IMO備選補(bǔ)丁，通過(guò)這些補(bǔ)丁中軌跡上的關(guān)鍵點(diǎn)來(lái)檢測(cè)幾何標(biāo)準(zhǔn)。通過(guò)多幀核線(xiàn)一致性檢查，分析IMO備選補(bǔ)丁內(nèi)的關(guān)鍵點(diǎn)。然后使用IMO備選補(bǔ)丁的運(yùn)動(dòng)信息和基于外觀的信息獲得運(yùn)動(dòng)標(biāo)簽（IMO /靜態(tài)），他們?cè)贙ITTI 數(shù)據(jù)集里評(píng)估了這一方法。

Paper

6

Accurate Localization in Underground Garages Via Cylinder Feature BasedMap Matching

左圖為提出的CyRoPS特征，該特征基于多種統(tǒng)計(jì)量，具有較好的物體識(shí)別性能。右圖(a)(c)是原始3D點(diǎn)云，(b)(d)展示了基于Cy-RoPS特征剔除動(dòng)態(tài)障礙物后的效果，剔除后可提高無(wú)人車(chē)的定位精度。

地下車(chē)庫(kù)是典型的無(wú)GPS信號(hào)場(chǎng)景，隨著技術(shù)的發(fā)展，無(wú)人車(chē)在地下車(chē)庫(kù)中的自主定位變的尤為重要。西安交通大學(xué)薛建儒老師團(tuán)隊(duì)提出了一種在無(wú)GPS信號(hào)的環(huán)境中提高車(chē)輛定位精度的方法。針對(duì)地下車(chē)庫(kù)/校園內(nèi)部結(jié)構(gòu)特征，提出一種基于局部表面的描述子CyRoPS，該描述子具有旋轉(zhuǎn)不變/計(jì)算快速/對(duì)噪聲魯棒等多種優(yōu)點(diǎn)，可以準(zhǔn)確選出車(chē)庫(kù)/校園中的常見(jiàn)靜態(tài)物體，如墻面/樹(shù)木/柱子等。同時(shí)，我們提出一種基于點(diǎn)云匹配的定位框架，由于場(chǎng)景中的動(dòng)態(tài)障礙物被有效剔除，定位過(guò)程穩(wěn)定/結(jié)果準(zhǔn)確，滿(mǎn)足無(wú)人駕駛導(dǎo)航要求。實(shí)驗(yàn)表明，這一方法可以極大的提升定位精度，增加系統(tǒng)的魯棒性。

Paper

7

Cooperative Lane Change Motion Planning of Connected and AutomatedVehicles: A Stepwise Computational Framework

加拿大Zhang Youmin 博士帶來(lái)了他們?cè)诙嘬?chē)協(xié)同車(chē)道變換運(yùn)動(dòng)規(guī)劃的研究，他們提出了一種逐步計(jì)算框架，通過(guò)連接的自動(dòng)控制系統(tǒng)，協(xié)調(diào)車(chē)輛通信和自動(dòng)車(chē)輛的控制，以改善交通系統(tǒng)的移動(dòng)性、安全性和可持續(xù)性，雖然他們迄今為止大多數(shù)現(xiàn)場(chǎng)實(shí)驗(yàn)的研究都集中在簡(jiǎn)單的高速公路駕駛場(chǎng)景（如合作自適應(yīng)巡航控制（CACC））的自動(dòng)車(chē)輛控制，但CACC和相關(guān)交通管理技術(shù)的實(shí)際部署需要所有交通流動(dòng)的自動(dòng)化，包括車(chē)道變換和合并演習(xí)，充分實(shí)現(xiàn)潛在的系統(tǒng)效益。本文描述了Zhang, Youmin團(tuán)隊(duì)在開(kāi)發(fā)創(chuàng)新型車(chē)輛控制平臺(tái)和算法上的努力，成功地進(jìn)行車(chē)道變換操作的現(xiàn)場(chǎng)實(shí)驗(yàn)，其使用了自動(dòng)速度控制，車(chē)輛到車(chē)輛（V2V）通信和基于車(chē)輛的雷達(dá)系統(tǒng)執(zhí)行。

SPECIAL SESSION PAPERS

Paper

8

State of Charge Estimation Based on State of Health Correction forLithium-ion Batteries

Special Session Paper中，來(lái)自國(guó)內(nèi)武漢理工大學(xué)的State of Charge Estimation Based on State of Health Correction forLithium-ion Batteries論文受到了專(zhuān)家的一致好評(píng)，作者是武漢理工大學(xué)汽車(chē)工程學(xué)院杜常青，他長(zhǎng)期致力于鋰離子電池的研究。本文他研究了基于庫(kù)侖計(jì)數(shù)法的鋰離子電池健康狀態(tài)（SOH）校準(zhǔn)的荷電狀態(tài)（SOC）估計(jì)方法。該方法旨在提出一種易于使用的解決方案，用于估計(jì)電池狀態(tài)，而不需要苛刻的計(jì)算或復(fù)雜的數(shù)據(jù)庫(kù)。為了更準(zhǔn)確地估計(jì)老化電池的SOC，必須考慮其滿(mǎn)容量的退化。借助一種基于庫(kù)侖計(jì)數(shù)的鋰離子電池SOC估計(jì)方法，通過(guò)考慮容量衰減和電流測(cè)量誤差，可以更準(zhǔn)確估計(jì)SOC。

WORKSHOP PAPERS

Paper

9

Decision-Theoretic Cooperative Parking forConnected Vehicles: an Investigation

圖片來(lái)源網(wǎng)絡(luò)

Workshops Paper 中，Aliedani, ALI和 Loke, Seng的Decision-Theoretic Cooperative Parking for Connected Vehicles: an Investigation論文受到審稿嘉賓的一致好評(píng)。這篇論文總結(jié)出了一種協(xié)同停車(chē)算法（COPARKS WS）。其主要思想是在停車(chē)場(chǎng)之間引入車(chē)輛之間的通信，以便每輛車(chē)可以互相通信其目的地。而且引入了一種選擇，如果該地區(qū)有很高的機(jī)會(huì)被占據(jù)，其他汽車(chē)將改變自己的目的地。最后，汽車(chē)可以通過(guò)衡量到達(dá)目的地的步行距離和空閑停車(chē)位，來(lái)改變其目的區(qū)域。

Paper

10

The ParallelEye-CS Dataset: Constructing Artificial Scenes for Evaluating the Visual Intelligence of Intelligent Vehicles

ParallelEye虛擬圖像集的標(biāo)注信息示例。第一行左：深度標(biāo)注；第一行右：光流標(biāo)注；第二行左：目標(biāo)跟蹤標(biāo)注；第二行右：目標(biāo)檢測(cè)標(biāo)注；第三行左：實(shí)例分割標(biāo)注；第三行右：語(yǔ)義分割標(biāo)注。

來(lái)自中國(guó)科學(xué)院自動(dòng)化研究所復(fù)雜系統(tǒng)管理與控制國(guó)家重點(diǎn)實(shí)驗(yàn)室、青島智能產(chǎn)業(yè)技術(shù)研究院平行視覺(jué)技術(shù)創(chuàng)新中心的Xuan Li等分享了他們構(gòu)建的平行眼（Parallel Eye）數(shù)據(jù)集。該團(tuán)隊(duì)建立了開(kāi)源的平行視覺(jué)研究平臺(tái)OpenPV (Open Source Parallel Vision Platform)，用于推動(dòng)平行視覺(jué)研究，構(gòu)建更健壯的智能視覺(jué)系統(tǒng)。在OpenPV平臺(tái)上，發(fā)布了一批 ParallelEye 虛擬圖像集，包括原始圖像及標(biāo)注信息，可以供平行視覺(jué)和計(jì)算機(jī)視覺(jué)研究者免費(fèi)使用。在此之前，基于平行視覺(jué)理論，田永林等利用ParallelEye數(shù)據(jù)集進(jìn)行了目標(biāo)檢測(cè)器的訓(xùn)練和測(cè)試研究，通過(guò)虛實(shí)結(jié)合的方式提高了Faster R-CNN和DPM目標(biāo)檢測(cè)器的性能，并且通過(guò)定制虛擬圖像中的目標(biāo)尺寸、遮擋程度等屬性，測(cè)試其對(duì)目標(biāo)檢測(cè)器的影響，取得了優(yōu)異的效果。