“自动驾驶 + 昇腾 AI” 西安交大团队解决高级辅助驾驶的关键难题

项目团队历程 -- 奋斗进取，追求卓越

近年来，有关自动驾驶汽车的安全事故频发，逐渐引发较高的社会反响。因此，解决辅助驾驶系统安全性、稳定性的难题迫在眉睫。西安交通大学软件学院的贺浩庭、许赟程、崔浩洁、吴晓倩、余文腾、张承宇、田经涛同学，在李垚辰老师指导下，组建了昇智交通团队，积极参加第八届中国国际"互联网 +"大学生创新创业大赛产业命题赛道。自 2022 年 4 月华为公司的"基于昇腾算力及 CANN 的创新媒体处理应用"命题发布之后，昇智交通团队便积极调研，全力投入研发。李垚辰老师说："我们的团队长期从事无人驾驶、智能交通方面的算法研究，和华为昇腾算力及 CANN 相结合之后，可以提高算法的精度和速度，从而解决高级辅助驾驶的关键难题。"

西安交通大学昇智交通团队成员

昇智交通团队的参赛项目采用先进的目标检测和行为识别技术，基于昇腾系列硬件和 CANN 软件栈开发出新的视频媒体处理系统，具有较高的技术难度。团队设计并提出了面向目标检测和行为识别的神经网络架构。设计的模型在 NPU 上进行了训练和推理，检测和识别的精度较基准方法有显著提高，计算速度比 GPU 大幅度加快，降低了检测和识别的系统时延，有利于提高辅助驾驶系统的安全性。该技术可用于高级辅助驾驶系统等领域，解决了命题企业算法精度低、速度慢等关键难题，具有很好的商业运作的价值。

昇智交通团队于 8 月取得了陕西赛区省级复赛金奖，紧接着投入全国总决赛的冲刺过程。总决赛备赛期间，团队成员和指导教师全力以赴，全身心投入解决方案优化工作，方案设计先后迭代更新达 40 余版，最终在 11 月份获得全国总决赛银奖。

昇智交通团队针对华为命题展开讨论

项目团队研究 -- 针对高级辅助驾驶关键技术的完整方案

昇智交通团队从道路交通场景目标检测和行为识别两个关键技术出发，进行重点研究和方案实现。在目标检测技术方面，提出了 YOLO GCC 网络，将真实的道路场景数据输入到 YOLO GCC 网络中，进行车辆目标检测，快速生成可视化的检测结果；在行为识别技术方面，提出了 3DCNN SELayer 网络，首先对道路场景图像序列进行处理，生成光流图和边缘检测图，再将其输入到 3DCNN SELayer 网络中，通过加入三维感受野增强和特征融合模块，使得模型能够快速精确的判别各个车辆的行为类别。

昇智交通团队算法实验结果

昇智交通团队基于昇腾 AI 异构计算架构 CANN 的开发体系，快速构建自己的应用和业务。同时，在 CANN 的软硬协同加速技术助力下，团队提出的算法具备模型小、精度高，速度快、计算少的特点。检测和识别的精度比基准方法提高了 4.85%，计算速度比 GPU 加快 12%，大大降低了检测和识别的系统时延，有利于提高自动驾驶系统的安全性。

项目负责人贺浩庭同学介绍说："对我们来说，获得全国总决赛银奖只是开始，接下来希望把项目成果更多地应用于高级辅助驾驶系统等专业领域。"昇智交通团队提出的面向目标检测和行为识别的神经网络架构，解决了命题企业的关键难题，希望未来该方案能够在无人驾驶、智能交通领域发挥更多、更大的商业价值。