140万奖金！国家智能网联汽车创新中心第二批ICV创新算法攻关任务全面开启！
国家智能网联汽车创新中心作为汽车领域重要的国家智库，旨在突破关键共性技术、搭建创新服务平台。创新中心正在构建技术需求方“出题”、开发者“解题”，协作共赢的汽车开发者生态模式，并在智能网联汽车算法领域优先发力。
为持续探索汽车产业创新生态路径、建立行业共享共用的基础算法平台、打通从开源算法到商业应用的流程环节，创新中心联合行业企业，充分剖析应用痛点，设计完成第二批ICV创新算法攻关任务，涉及8项感知类任务、2项规控类任务、2项预期功能安全类任务，按照“自由参与、开源共享、入库奖励、商业推广”的原则招募算法开发者，总奖金达到140万元！
任务介绍
任务1：城市路口红绿灯视觉检测与识别
基于自然驾驶采集的图像数据，评价城区不同路口红绿灯像素位置的检测与红绿灯颜色的识别。红绿灯位置检测的输出为红绿灯的二维边界框，红绿灯颜色的识别输出红绿灯的颜色（红、绿、黄、无）。
图1 城区路口场景红绿灯检测示例
任务2：高速公路换道场景下视觉多目标跟踪
在高速公路上，自车或邻车变道场景下，检测图像中的多个车辆目标，并实现稳定跟踪。需要输出车辆目标的二维框和ID，其中同一场景（连续帧）下的同一辆车的ID应保持一致。
图2 高速公路换道场景示例
任务3：基于红外单目摄像头深度估计
红外图像能突破夜障，增强驾驶员视野，解决夜间驾驶视野受限等问题，同时，红外图像对热源敏感，在行人检测、车辆检测领域具有明显优势。本任务基于红外单目摄像头采集夜间城市普通道路非拥堵路段的驾驶场景的图片数据，对单目图像数据进行深度图估计。
图3 红外单目摄像头深度估计示例
任务4：基于对抗样本的道路标志检测
基于自然驾驶采集的图像数据及依据此数据集生成的对抗样本，评价视觉模型在车道线检测任务中的鲁棒性。要求开发团队在设计并实现车道线检测模型的同时，能够保证检测结果不受图像数据上微小扰动的影响。
图4 道路标志对抗样本示例
任务5：基于对抗样本的道路车道线检测
基于自然驾驶采集的图像数据及依据此数据集生成的对抗样本，评价视觉模型在道路标志检测任务中的鲁棒性。要求开发团队在设计并实现道路标志检测模型的同时，能够保证检测结果不受图像数据上微小扰动的影响。
图5 车道线对抗样本
任务6：郊区环境下点云地面分割
基于速腾聚创128线混合固态激光雷达采集的自然驾驶数据，评价郊区场景下点云地面分割的性能。其中地面为非平坦的水泥路，有一些凹凸不平的情况，该场景中包含较多交通参与者的干扰。
图6 郊区点云示例
任务7：前向激光雷达切入场景车辆检测
针对不同道路采集的切入场景，要求开发团队针对前向点云点数大于5个点的不同切入位姿的车辆进行检测。
图7 128线混合固态激光雷达切入场景示例
任务8：近郊城市路况多工程车辆路段传感器融合
基于城郊地段、道路施工区域等场景的自然驾驶数据，给出自车GPS信息、智能摄像头信息、毫米波雷达信息（均为已上市的产品）。需要根据传感器提供的目标级数据进行融合，给出针对不同传感器的优缺点融合后的跟踪目标列表，同时会提供智能摄像头的图片作为参考。其中，智能摄像头使用GPS发送的PPS信号进行同步触发授时，毫米波目标物信息通过自车CAN信号发送，在GPS授时的服务器端打时间戳，并提供dbc解析后数据，统一标定原点为前保中心在地面的投影。
图8 工程/异形车辆穿梭场景
任务9：LKA横向控制
基于VTD仿真环软件进行L2级车辆横向控制(模拟LKA功能)，车辆以不同车速在变曲率道路上行驶，评价横向控制算法的车道居中控制性能。
图9 不同道路曲率下车辆居中控制示例
任务10：ACC纵向控制
基于VTD仿真软件进行L2级车辆纵向控制(模拟全速ACC功能)，评价车辆在不同曲率道路上定速巡航、前车起步、减速、刹车等场景下的纵向控制性能。此外，本任务要求在不提供车道线信息条件下，能够保持合理的车间时距。
图10 不同道路曲率车道车辆纵向控制示例
任务11：SOTIF-雨雪雾行驶场景下交通参与者视觉检测及识别
基于自然驾驶采集的图像数据，评价雨雪雾等恶劣天气场景下交通参与者的检测的性能，输出二维边界框（BoundingBox）。其中，所有遮挡或截断比例小于70%、长边像素大于10的非机动车辆均需要识别，所有遮挡或截断比例小于70%、长边像素大于15的行人目标均需要识别。当目标被遮挡时，边界框需要包含目标被遮挡的部分，当目标被截断时（目标的一部分在镜头外），边界框只需包含目标在图像内可见部分即可。对于骑行人，需要分别输出非机动车框和行人框。
图11 雨雪雾场景示例
任务12：SOTIF-激光雷达对横向运动车辆速度检测
基于速腾聚创128线混合固态激光雷达采集的自然驾驶数据，评价十字路口场景下有交通车辆横向运动的速度结果。场景中只有一辆目标车辆，通过点云检测速度矢量的结果。
图12 城区路口车辆横向运动示例