「自動駕駛新青年講座」由智東西公開課全新企劃，將邀請全球知名高校、頂尖研究機構以及優秀企業的新青年，主講在環境感知、精準定位、決策規劃、控制執行等自動駕駛關鍵技術上的最新研究成果和開發實踐。
有興趣分享的朋友，可以與智東西公開課教研團隊進行郵件（class@jmfly.net）聯系。
利用深度學習技術對由LiDAR收集得到的點云進行感知（如分割、檢測、跟蹤等）已經是當下研究的熱點之一。然而，從真實世界中收集得到的數據往往具有極高的復雜度和多樣性；同一個街道的路況在一天中的不同時刻尚且復雜多變，更不用說不同街道甚至不同城市的街道間呈現出的變化。因此，收集并標注一個能涵蓋各種情境的真實世界數據集是極其困難的。
然而，對于一個基于學習的問題而言，昂貴的數據標注往往是制約模型泛化能力的關鍵因素。這樣一個問題在LiDAR點云上尤為突出：一個由64線LiDAR傳感器收集得到的場景點云往往包含超過10萬個點，而給收集到的每個點云都打上語義標簽（semantic label）所需要的人力和經濟成本是及其巨大的。昂貴且耗時的人工標注限制了基于學習的LiDAR點云分割系統的延展性。
來自新加坡國立大學的孔令東博士等人構建了一個基于結構先驗的半監督LiDAR點云分割框架，旨在利用自動駕駛場景中的結構先驗對點云進行劃分與混合，并對分割模型在混合前后的預測進行一致性約束。該框架在主流的自動駕駛數據集nuScenes，SemanticKITTI，以及ScribbleKITTI上取得了優異的分割性能。
12月6日晚7點，「自動駕駛新青年講座」第13講邀請新加坡國立大學計算機系在讀博士孔令東，主講《自動駕駛場景下的半監督點云分割》。
講者
孔令東，新加坡國立大學計算機系在讀博士生；本科畢業于華南理工大學；研究方向為3D場景感知、半監督學習、域適應與無監督表征學習等；曾于Motional(nuTonomy)進行激光雷達感知方向研究實習。
第13講
主 題
《自動駕駛場景下的半監督點云分割》
提 綱
1、激光雷達點云感知概述
2、點云分割算法解析
3、基于半監督學習的點云分割框架
4、點云場景劃分及自動駕駛場景適配
直 播 信 息
直播時間：12月6日19:00
直播地點：智東西公開課知識店鋪
成果
LaserMix：《LaserMix for Semi-Supervised LiDAR Semantic Segmentation》
論文地址：//arxiv.org/abs/2207.00026
開源地址：//github.com/ldkong1205/LaserMix
