中国计算机学会青年计算机科技论坛

                      CCF Young Computer Scientists & Engineers Forum

CCF YOCSEF 苏州

2020年11月22日（星期日）13:30—17:00

常熟理工学院计算科学与技术学院报告厅（N1-308-1）

技术论坛，敬请光临

论坛主题

中国智能网联汽车的问题和对策

智能网联汽车是在普通汽车的基础上增加先进的传感器、控制器、执行器等装置，通过车载传感系统与X（人、车、路、云等）智能信息交换，具备智能的环境感知能力，能够自动的分析汽车行驶的安全及危险状态，按照人的意志到达目的地，最终实现替代人来操作的新一代汽车。目前包括美国、欧盟、日本等主要经济体都把智能网联汽车的研究作为国家战略性计划。而我国同样在这块发布了大量的政策来支持。

程 序

13:30- 14:00 签到

14:00- 14:30 引导发言 崔迪潇

技术报告主题：多目视觉主导的L4级自动驾驶闭环感知系统

14:30- 15:00 引导发言 王 迪

技术报告主题：鲁棒点云配准算法及其在无人驾驶中的应用

15:00- 15:45 观点一思辨：中国智能网联汽车与国际同行的关系，是采用跟踪还是同步研发甚至是领导？中国的智能网联汽车演进之路如何设计？

15:45- 16:30 观点二思辨：技术路线是单车智能、网联、还是智能网联？

16:35- 17:00 总结讨论  

我们诚挚地邀请在相关领域成就卓著的专家、学者、企业家、以及相关媒体一起展开讨论，恭候您届时光临！

主办单位：中国计算机学会

承办单位：CCF YOCSEF 苏州AC委员会

协办单位：常熟理工学院

执行主席：徐江，常熟理工学院计算机科学与技术学院，CCF YOCSEF苏州委员

执行主席：窦路婷，江苏富士通通信技术有限公司，CCF YOCSEF苏州AC

线上执行：袁华，常熟理工学院计算机科学与技术学院，CCF YOCSEF苏州荣誉委员

参会人员：

中国计算机学会（CCF）会员、受邀嘉宾及论坛主办单位、承办单位、支持单位人员免费参加。

IT领域专业人士、政府相关部门代表、媒体、其他有兴趣者。

参会方式：

1、CCF会员凭会员证免费参加。

2、非CCF会员现场办理入会手续，可以免费参加。

加入方式：手机扫描二维码加入CCF入会。

会费：学生50元/年 会员：200元/年

报名联系人：

孙翠华 18962111560 39938737@qq.com

高雄波 18662491688 gaoxb@sisdc.com.cn

参会地址： 江苏省常熟市湖山路99号常熟理工学院东南校区常熟理工学院计算机科学与工程学院

引导发言：

主题一：多目视觉主导的L4级自动驾驶闭环感知系统

演讲嘉宾：崔迪潇

崔迪潇，苏州智加科技有限公司高级主任科学家。 西安交通大学控制科学与工程专业博士、帕尔马大学VisLab实验室联合培养博士。现兼任中国人工智能学会智能交通专委会委员、中国自动化学会混合智能专委会委员、中国公路学会自动驾驶工作委员会委员。曾担任西安交通大学人工智能学院视觉认知计算与智能车实验室助理教授、联合国教科文组织国际工程科技知识中心授课教师。十年自动驾驶一线研究经历，参与“夸父号”、“BRAiVE”、“Deeva”等国内外无人驾驶车辆研发。作为核心成员获2014年IEEE智能交通协会杰出研究团队奖；连年带队参加国家自然科学基金委重大研究计划举办的中国“智能车未来挑战赛”，所在团队获2016年比赛总成绩全国第二、2017年比赛总成绩全国第一；获《新闻直播间》、《走进科学》、《新闻联播》、《财经周刊》等媒体报道。

发言内容介绍

干线物流自动驾驶面临着其特有的挑战，需要通过充分挖掘传感数据特性、并针对重卡运营中对感知距离、感知精度等需求进行针对性开发，这对传感配置、同步标定、数据融合等都提出了新的要求。

同时，在完全无人化自动驾驶系统尚不能大规模部署的当下，如何将低级别自动驾驶中的运营数据和高级别无人驾驶的研发数据闭环打通，并尽可能缩小两套系统在数据特性、数据使用方式上的差异，也是自动驾驶公司需要突破的技术难点。

本次论坛演讲，将围绕上述两点，分享智加科技的思考与进展。

主题二：鲁棒点云配准算法及其在无人驾驶中的应用

演讲嘉宾：王迪

王迪，西安交通大学 博士，参加了2013年至2020年多届“中国智能车未来挑战赛”，所在团队取得优异成绩。其研究方向集中于无人驾驶平台中的激光数据分析，包括多传感器融合、点云配准和大范围三维地图生成。2018年到2019年在加州大学伯克利分校机械系访学。研究方向包括高精度建图与定位、鲁棒空间感知，研究成果已发表在智能车领域知名会议IEEE IV和机器人领域顶级会议IEEE/RSJ IROS。

发言内容介绍

点云配准算法是高精度建图、定位和三维物体形状重建的核心算法。然而，将其应用于高动态、开放式的交通场景中仍然存在实时性、准确性和鲁棒性等问题。究其原因，现有的点云配准算法如迭代最近点(ICP)、正态分布变换(NDT)等算法均基于最大似然估计的框架，且将噪声建模为高斯分布，无法适应复杂环境中的真实噪声。通过分析实际交通场景中的真实噪声，本演讲使用概率混合模型逼近噪声模型，并利用期望最大化算法（EM）高效求解噪声分布的参数和点云之间的刚性变换。实际交通场景中的测试表明，所提出的噪声建模框架可以有效避免人工调参，满足无人驾驶的实时性、准确性和鲁棒性要求。