（長按識別上方二維碼，報名第29屆IEEE IV大會 ）

距離2018 IEEEIV 國際智慧車會議開幕還有一個月左右的時間，大會組委會近日公佈了本屆IV會議論文收錄情況。本屆IEEE IV大會共收到來自34個國家的603篇論文，接收論文356篇，錄取率為59%，其中282篇Contributed paper，21篇SpecialSession Paper，53篇Workshops paper。

由IEEE智慧交通系統協會（ITSS）主辦的第29屆國際智慧車大會( IEEE IV 2018)將於2018年6月26日在中國常熟拉開序幕。IEEE Intelligent Vehicle Symposium（IEEE 國際智慧車大會）是 IEEE 智慧交通協會舉辦的兩大年度旗艦會議之一，旨在為全球該領域相關的研究人員、工程師、學者提供當今最先進技術的交流研討機會。

IEEE IV會議自1989年至今已經舉辦了29屆，目前是全球智慧車科研學術領域水平最高、規模最大、歷史最為悠久的頂級大會，堪比AI領域的NIPS大會。大會每年都會收到來自世界各地的專家學者的投稿，本屆IEEE IV大會共收到來自34個國家的603篇論文，有356篇論文被接收，其中282篇Contributed paper，21篇SpecialSession Paper，53篇Workshops paper，錄取率為59%。

第29屆IEEE IV的所有論文都將被EI收錄，優秀論文將被推薦到IEEE智慧車彙刊（IEEE Transactions on Intelligent Vehicles

2018 IEEE IV會議是繼2009年登陸中國（西安）之後，第二次來到中國（常熟），吸引了一大批國內智慧車領域研究學者的投稿。主會議論文投稿中有153篇（錄用69篇）來自中國，83篇（錄用64篇）來自德國，58篇（錄用46篇）來自美國，這三個國家的投稿佔據了所有論文投稿的近三分之一。

Special Session Papers 主要來自中國、美國、英國、加拿大四個國家的高校和機構的投稿，共收到55篇論文，其中 41篇來自國內機構投稿，包括：清華大學、中科院自動化研究所、西安交通大學、同濟大學、武漢理工大學、上海交通大學、昆明理工大學等。從這些資料中，可以看出國內高校對這次大會關注和重視，也暗示出我國在智慧駕駛學術研究上的投入。國內稿件雖多，但最終只有12篇論文被錄用。同時，大會也收到了美國聯邦公路管理局、福特汽車公司、加拿大滑鐵盧大學等國外機構的高質量論文。

本屆大會涵蓋新能源汽車、特種地面車輛、智慧車輛控制與安全、CAV測試與評估、智慧車輛模擬與導航等9大主題會議，將由國內外頂級專家學者以主旨報告、現場討論等多種形式分享當前智慧車領域的最新技術動態以及未來發展前景。同時，由來自世界各地的數千名學者組織的20多個專業研討會，將圍繞智慧汽車的感知、識別、輔助系統、虛擬測試、智慧交通系統、人機互動等多個相關主題展開為期三天的學術探討，優秀論文的作者也將分享他們的論文核心內容，讓廣大業內外人士更清晰地瞭解智慧汽車領域未來發展趨勢，知悉行業最新動態，把握市場發展脈絡，促進產業快速發展。同期舉辦的智慧汽車產業展彙集了英特爾、偉世通、慧拓智慧、車和家、美團等數百家智慧汽車及零部件企業，分享最新產業成果、展望未來產業動向。將智慧車領域最尖端技術研究與科研成果轉化有機結合，為技術理論研究方向提供產業化引導與啟發。

IEEE IV大會有嚴格的論文評價機制，資歷深厚的組委會陣容和在智慧車相關領域深耕多年的審稿專家保證了論文稽核工作的公平、公正、有序進行。智車科技作為本次大會的戰略合作伙伴，得到了本次論文的整體評分情況，並選擇了其中評分較高的一些論文進行重點梳理與推薦。（排名不分先後）

CONTRIBUTED PAPERS

Paper

1

Rendering Physically Correct Raindrops on Wind shields for Robustness Verification of Camera-based Object Recognition

這篇論文的作者是 Alexandervon Bernuth, 來自德國圖賓根大學Wilhelm Schickard電腦科學研究所計算機工程系主任。單看論文標題就讓人興致盎然，通過在擋風玻璃上撒上水滴來模擬下雨場景，進行攝像頭目標識別的魯棒性驗證。對於無人駕駛汽車來講，下雨天確實給視覺識別帶來很大的麻煩，雨水附著會使鏡頭變得模糊不清。目前，有一部分公司推出專門的微型雨刷器或者加熱技術來去除水滴，硬體上的改變並不能徹底解決相機對下雨場景的魯棒性，人工智慧可能要學習適應在雨中處理影象。Alexander von Bernuth團隊提出了一種新的方法來渲染這些雨滴，使用連續最近鄰R*樹搜尋演算法。3D場景是由攝像頭生成的立體影象，雨滴下落過程遵循物理定律，所得到的影象可用於擴充套件機器學習的訓練資料集，而不必強制獲得新的真實影象。

左圖為原始採集影象和使用3D光線跟蹤演算法重建場景的完整渲染圖之間的差異。右圖為城市景觀資料集與渲染雨滴。擋風玻璃放置在相機前30cm處，水平方向傾斜27°。雨滴下落半徑在r＝1.5mm，標準偏差為0.4mm。

Paper

2

Towards End-to-End Lane Detection: an Instance Segmentation Approach

系統總覽圖：給定一個輸入影象，LaneNet輸出一個車道例項地圖，為車道ID標記每個車道畫素。接下來，使用H-Net輸出的變換矩陣來變換車道畫素，該變換矩陣學習了以輸入影象為條件的透視變換。對於每一條車道，都用三階多項式進行擬合，並且車道被重新投影到影象上。

第二篇論文作者為來自比利時魯汶大學的Davy Neven，魯汶大學是比利時久負盛名的最高學府，世界50強高校，歐洲歷史最悠久且最受人尊敬的大學之一，也是享譽全球的世界級頂尖研究型大學。Davy Neven近幾年來，一直在圍繞語義分割、場景理解、動態影象增強等技術進行研究。該論文，他們介紹了一種以50幀/秒進行端到端車道檢測的方法，這是一種快速車道檢測演算法，可以處理不同數量的車道並應對車道變化。應用一個以影象為條件的學習透視變換，對分段的例項車道進行引數化，確保了一種對道路平面變化具有魯棒性的車道匹配，可以有效抵抗地平面的坡度變化。這種方法擺脫了傳統車道檢測方法對高度專業化手工標註的依賴，同時也解決了近期提出的利用深度學習模型進行畫素級車道分割訓練需要預定義固定數量的車道的缺陷。

Paper

3

 Probabilistic Prediction of Vehicle Semantic Intention and Motion

預測車輛在不同駕駛場景下的插入區域（彩色區域）

來自美國加州大學伯克利分校機械工程系的Yeping Hu博士分享了他們在車輛語義意圖和運動的概率預測方面的研究論文。她的研究涵蓋城市自動駕駛的決策，運動規劃和運動預測。目前正在開展一項BDD專案：“基於深度神經網路學習的隨機政策的城市自主駕駛運動預測”。目前大多數研究僅通過考慮特定場景來確定駕駛意圖的數量。然而，不同的駕駛環境通常包含各種可能的駕駛操縱。因此，需要一種能夠適應不同流量場景的意圖預測方法。在Yeping Hu博士的論文中提出了一種基於語義的意圖和運動預測（SIMP）方法，可以通過使用語義定義的車輛行為來適應任何駕駛場景。它利用基於深度神經網路的概率框架來估計周圍車輛的意圖，最終位置和相應的時間資訊。

Paper

4

Modeling and Predicting Vehicle MotionActivities by Using And-Or Graph

車道變換場景中的與或圖

通過建模來預測車輛運動能力對於自動駕駛汽車來說非常重要。清華大學的汪爍楓、李力等人提出了一個基於與或圖的模型，該模型可以給出一個簡單明瞭的車輛運動描述。與其他模型相比，這個新模型放寬了馬爾可夫性質在兩個活動之間轉換的要求，因此更加靈活。這個模型的引數可以很容易地從資料中學習。使用訓練好的新模型，可以預測正在進行的運動活動標籤及其相應的概率。他們通過實驗表明，這種新模型可以實現很高標準的預測精度（97％）。

Paper

5

CNN-based multi-frame IMO detection from a monocular camera

上圖為KITTI資料集裡序列拍攝的場景：IMO在頂部影象中被正確識別。

德國的NolangFanani博士是IEEE IV會議的常客，他曾在2016年的IEEE IV會議上發表過一篇《使用基於傳播的跟蹤關鍵點軌跡估計》（Keypoint trajectory estimation using propagationbased tracking），2017年發表過一篇《單眼視覺測距的多模態尺度估計》（Multimodal scale estimation for monocular visual odometry），而今年的大會他帶來的論文題目為CNN-based multi-frame IMO detection from amonocular camera。這篇文章介紹了一種用於從安裝在車輛上的單目攝像頭中檢測獨立移動物體（IMO）的方法。這種方法採用一個基於CNN的分類器，來生成IMO備選補丁，通過這些補丁中軌跡上的關鍵點來檢測幾何標準。通過多幀核線一致性檢查，分析IMO備選補丁內的關鍵點。然後使用IMO備選補丁的運動資訊和基於外觀的資訊獲得運動標籤（IMO /靜態），他們在KITTI 資料集裡評估了這一方法。

Paper

6

Accurate Localization in Underground Garages Via Cylinder Feature BasedMap Matching

左圖為提出的CyRoPS特徵，該特徵基於多種統計量，具有較好的物體識別效能。右圖(a)(c)是原始3D點雲，(b)(d)展示了基於Cy-RoPS特徵剔除動態障礙物後的效果，剔除後可提高無人車的定位精度。

地下車庫是典型的無GPS訊號場景，隨著技術的發展，無人車在地下車庫中的自主定位變的尤為重要。西安交通大學薛建儒老師團隊提出了一種在無GPS訊號的環境中提高車輛定位精度的方法。針對地下車庫/校園內部結構特徵，提出一種基於區域性表面的描述子CyRoPS，該描述子具有旋轉不變/計算快速/對噪聲魯棒等多種優點，可以準確選出車庫/校園中的常見靜態物體，如牆面/樹木/柱子等。同時，我們提出一種基於點雲匹配的定位框架，由於場景中的動態障礙物被有效剔除，定位過程穩定/結果準確，滿足無人駕駛導航要求。實驗表明，這一方法可以極大的提升定位精度，增加系統的魯棒性。

Paper

7

Cooperative Lane Change Motion Planning of Connected and AutomatedVehicles: A Stepwise Computational Framework

加拿大Zhang Youmin 博士帶來了他們在多車協同車道變換運動規劃的研究，他們提出了一種逐步計算框架，通過連線的自動控制系統，協調車輛通訊和自動車輛的控制，以改善交通系統的移動性、安全性和可持續性，雖然他們迄今為止大多數現場實驗的研究都集中在簡單的高速公路駕駛場景（如合作自適應巡航控制（CACC））的自動車輛控制，但CACC和相關交通管理技術的實際部署需要所有交通流動的自動化，包括車道變換和合並演習，充分實現潛在的系統效益。本文描述了Zhang, Youmin團隊在開發創新型車輛控制平臺和演算法上的努力，成功地進行車道變換操作的現場實驗，其使用了自動速度控制，車輛到車輛（V2V）通訊和基於車輛的雷達系統執行。

SPECIAL SESSION PAPERS

Paper

8

State of Charge Estimation Based on State of Health Correction forLithium-ion Batteries

Special Session Paper中，來自國內武漢理工大學的State of Charge Estimation Based on State of Health Correction forLithium-ion Batteries論文受到了專家的一致好評，作者是武漢理工大學汽車工程學院杜常青，他長期致力於鋰離子電池的研究。本文他研究了基於庫侖計數法的鋰離子電池健康狀態（SOH）校準的荷電狀態（SOC）估計方法。該方法旨在提出一種易於使用的解決方案，用於估計電池狀態，而不需要苛刻的計算或複雜的資料庫。為了更準確地估計老化電池的SOC，必須考慮其滿容量的退化。藉助一種基於庫侖計數的鋰離子電池SOC估計方法，通過考慮容量衰減和電流測量誤差，可以更準確估計SOC。

WORKSHOP PAPERS

Paper

9

Decision-Theoretic Cooperative Parking forConnected Vehicles: an Investigation

圖片來源網路

Workshops Paper 中，Aliedani, ALI和 Loke, Seng的Decision-Theoretic Cooperative Parking for Connected Vehicles: an Investigation 論文受到審稿嘉賓的一致好評。這篇論文總結出了一種協同停車演算法（COPARKS WS）。其主要思想是在停車場之間引入車輛之間的通訊，以便每輛車可以互相通訊其目的地。而且引入了一種選擇，如果該地區有很高的機會被佔據，其他汽車將改變自己的目的地。最後，汽車可以通過衡量到達目的地的步行距離和空閒停車位，來改變其目的區域。

Paper

10

The ParallelEye-CS Dataset: Constructing Artificial Scenes for Evaluating the Visual Intelligence of Intelligent Vehicles

ParallelEye虛擬影象集的標註資訊示例。第一行左：深度標註；第一行右：光流標註；第二行左：目標跟蹤標註；第二行右：目標檢測標註；第三行左：例項分割標註；第三行右：語義分割標註。

來自中國科學院自動化研究所複雜系統管理與控制國家重點實驗室、青島智慧產業技術研究院平行視覺技術創新中心的Xuan Li等分享了他們構建的平行眼（Parallel Eye）資料集。該團隊建立了開源的平行視覺研究平臺OpenPV (Open Source Parallel Vision Platform)，用於推動平行視覺研究，構建更健壯的智慧視覺系統。在OpenPV平臺上，釋出了一批 ParallelEye 虛擬影象集，包括原始影象及標註資訊，可以供平行視覺和計算機視覺研究者免費使用。在此之前，基於平行視覺理論，田永林等利用ParallelEye資料集進行了目標檢測器的訓練和測試研究，通過虛實結合的方式提高了Faster R-CNN和DPM目標檢測器的效能，並且通過定製虛擬影象中的目標尺寸、遮擋程度等屬性，測試其對目標檢測器的影響，取得了優異的效果。

2018年IEEE IV國際智慧車會議是歷年來收到稿件最多的大會，在被收錄的356篇論文中，還有很多優秀的論文，隨著大會的臨近，這些優秀論文將一一公佈，論文含金量如何呢？歡迎廣大科技工作者現場考察。