第三十一屆中國(guó)汽車工程學(xué)會(huì)年會(huì)暨展覽會(huì)（SAECCE 2024）于日前在中國(guó)重慶·科學(xué)會(huì)堂隆重召開(kāi)。

SAECCE 2024以“智能涌現(xiàn)，邁進(jìn)加速變革新階段”為主題，將聚焦汽車產(chǎn)業(yè)創(chuàng)新重大需求，瞄準(zhǔn)未來(lái)的前沿性、顛覆性技術(shù)發(fā)展，重點(diǎn)突出汽車科技前沿、關(guān)鍵技術(shù)創(chuàng)新、工程技術(shù)研發(fā)與應(yīng)用實(shí)踐以及產(chǎn)業(yè)合作等，著力推動(dòng)汽車科技進(jìn)步、跨領(lǐng)域技術(shù)融合創(chuàng)新及產(chǎn)業(yè)合作，加速汽車人才發(fā)展，引領(lǐng)汽車產(chǎn)業(yè)高質(zhì)量發(fā)展。

作為國(guó)內(nèi)汽車產(chǎn)業(yè)技術(shù)體系最全、規(guī)模最大、層次最豐富的綜合性學(xué)術(shù)交流年會(huì)。從官方獲悉，本屆年會(huì)征集了來(lái)自全國(guó)重點(diǎn)高校、科研機(jī)構(gòu)、主機(jī)廠、高新企業(yè)等近1500篇有效論文投稿，經(jīng)過(guò)組委會(huì)近半年的嚴(yán)格選拔，由軒轅智駕撰稿的《基于區(qū)域注意力的紅外與可見(jiàn)光圖像融合》論文被成功錄用，并作為優(yōu)秀論文在本次年會(huì)現(xiàn)場(chǎng)進(jìn)行展示，本次入選充分體現(xiàn)了軒轅智駕在紅外感知領(lǐng)域的技術(shù)能力和學(xué)術(shù)成果。

軒轅智駕科研論文《基于區(qū)域注意力的紅外與可見(jiàn)光圖像融合》，主題為通過(guò)區(qū)域注意力融合策略和多尺度卷積層（Multiscale convolutional layers），改善視覺(jué)感知融合效果。目的是為解決汽車單一傳感器的局限性。例如，可見(jiàn)光攝像頭在能見(jiàn)度較低（夜晚、雨霧天）和光線差（眩光）的情況下成像質(zhì)量不佳，但在理想光線條件下擅長(zhǎng)捕捉目標(biāo)紋理信息。紅外熱成像能全天候、全氣候運(yùn)作，靠熱輻射能捕捉人、車、動(dòng)物等發(fā)熱源，卻無(wú)法提供豐富的紋理信息。在駕駛場(chǎng)景中，為了更好地進(jìn)行后續(xù)的感知（檢測(cè)、分割、預(yù)警）任務(wù)，需要更優(yōu)質(zhì)的圖像信息，利用兩種傳感器的成像圖像進(jìn)行融合具有重要意義。而現(xiàn)有技術(shù)在融合兩種圖像時(shí)，存在融合效果不理想、算法穩(wěn)定性和魯棒性不足等問(wèn)題，無(wú)法充分滿足駕駛場(chǎng)景對(duì)視覺(jué)感知的需求。

為應(yīng)對(duì)這一難題，軒轅智駕研發(fā)團(tuán)隊(duì)在論文中提到了一個(gè)新的觀點(diǎn)：CSF算法依賴人為設(shè)計(jì)的融合策略，成為算法穩(wěn)定性和魯棒性的瓶頸。團(tuán)隊(duì)通過(guò)設(shè)計(jì)一組針對(duì)分類器的對(duì)比實(shí)驗(yàn)發(fā)現(xiàn)，隨著迭代次數(shù)的增加，融合圖像的視覺(jué)效果更差，相關(guān)系數(shù)（CC）和互信息（MI）等指標(biāo)也變得更差，而分類器在 8000 次迭代之后就收斂了。

通過(guò)消融實(shí)驗(yàn)，只在 CSF 的基礎(chǔ)上將原先的融合模塊替換成基于區(qū)域注意力的融合模塊，進(jìn)一步將編碼器的卷積層替換成多尺度卷積層之后，融合效果得到進(jìn)一步提升，所有指標(biāo)均有所提高。

實(shí)驗(yàn)結(jié)果

1改善融合效果。多尺度卷積層能捕捉不同感受野的特征，更好地適應(yīng)圖像中不同區(qū)域的特征，提高編碼器的語(yǔ)義表征能力。最終使得融合結(jié)果在細(xì)節(jié)保留、對(duì)比度、銳度等方面都有明顯提升，可大幅改善現(xiàn)有融合算法中存在的融合圖像細(xì)節(jié)丟失、對(duì)比度和銳度不足等問(wèn)題，更好地滿足了汽車駕駛場(chǎng)景對(duì)視覺(jué)感知的需求。

2提升融合算法魯棒性?；趨^(qū)域注意力的融合策略能根據(jù)不同區(qū)域的特點(diǎn)合理分配權(quán)重，不再完全依賴分類器的結(jié)果，使得融合算法對(duì)分類器的敏感性降低，解決了 CSF 算法中因過(guò)度依賴分類器而導(dǎo)致的隨著迭代次數(shù)增加融合效果變差的問(wèn)題，提高了算法的穩(wěn)定性和魯棒性。

軒轅研發(fā)團(tuán)隊(duì)希望，通過(guò)區(qū)域注意力融合策略和多尺度卷積層的實(shí)驗(yàn)方法，改善融合圖像的質(zhì)量，提升算法的魯棒性，滿足可見(jiàn)光和雙光圖像融合的高標(biāo)準(zhǔn)視覺(jué)感知需求，為用戶提供更安全的駕駛體驗(yàn)！