【网界】在无人驾驶技术的浪潮中，仙途智能以其卓越的自动驾驶解决方案脱颖而出，成为商业化进程中的佼佼者。这家深耕自动驾驶领域的企业，凭借全栈自研的技术栈和广泛的场景应用经验，在感知技术上取得了显著突破，特别是在BEV（Bird's Eye View）多任务感知模块的研发上，展现出了强大的创新能力。

仙途智能的BEV多任务感知技术，打破了传统无人感知技术栈的局限。传统方法通常依赖2D图像输入生成感知结果，再通过传感器融合技术处理多个相机和激光雷达的数据。这一过程不仅复杂，还易受遮挡、信息损失等问题影响。而BEV技术则将这些多传感器特征统一在3D空间内，以更简洁高效的方式直接进行感知，显著提升了信息利用率和感知精度。

图BEV多任务处理示意图

仙途智能的BEV多任务感知系统，专为环卫场景设计，具备多任务处理、多模态融合和跨时序感知三大特点。该系统不仅支持传统交通场景中的常见检测任务，如车辆、行人、交通标志等，还针对环卫作业新增了低矮障碍物检测、路沿检测、垃圾检测等特色任务。通过共享骨干网络的网络结构，计算负担降低了30%以上，确保了自动驾驶车辆的实时环境感知能力。

多模态融合技术进一步提升了感知的精准度和实时性。BEV感知推理结合了环视图像和多激光雷达点云作为输入，具备跨多模态、跨多传感器的信息聚合能力，有效弥补了单模态感知的不足。相比纯视觉算法和单激光点云感知算法，仙途智能的BEV感知精度分别提升了32.6%和18.9%以上，且具备可拓展性，能够接入更多传感器数据。

跨时序感知能力则是BEV技术的另一大亮点。通过多帧点云输入和多帧特征聚合，BEV感知能够在长时间范围内补全当前帧中的信息缺失，提升感知精度，并具备更精确的目标运动速度预测能力。这一特性在复杂交通场景中尤为重要，能够帮助自动驾驶车辆更好地应对突发情况和动态变化的环境。

在实际应用中，仙途智能的BEV多任务感知技术展现出了强大的解决复杂场景挑战的能力。以低矮障碍物检测为例，仙途智能设计了一套以视觉为主、激光为辅的多传感器检测方案，结合属性预测和occupancy预测，以及垃圾检测技术，能够准确预估障碍物的尺寸、高度等关键参数，有效辅助决策系统判断是否需要绕行或进行清洁作业。以下图为例

图低矮障碍物识别实例（黑色垃圾袋）

仙途传感器障碍物模态任务发布于：北京市声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。