日前，在自动驾驶权威数据集KITTI上，禾多科技登上“单目3D障碍物检测”排行榜第一的位置。该技术将应用于禾多科技的自动驾驶量产解决方案，进一步提升车辆对环境的精细化理解能力，使车辆通过单目相机也能获取障碍物的偏航角、长宽高等信息，对下游的规划和预测模块具有很高的应用价值。

KITTI数据集由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办，是目前国际上最全面的自动驾驶场景下的计算机算法评测数据集。该数据集用于评测立体图像(stereo)、光流(optical flow)、3D物体检测(object detection)和3D跟踪(tracking)等计算机视觉技术在车载环境下的性能。KITTI数据集根据难易程度，分为简单、中等、困难三个评价等级，禾多团队在障碍物单目3D检测的三个等级评比中均拿下第一。

图像是自动驾驶最容易获取的数据之一，相比其它传感器拥有更加丰富的纹理信息，也更加接近人类的感知方式，但是由于图像是真实世界（3D）在像平面（2D）上的投影，天然缺少深度信息，对自动驾驶算法和应用而言是一个巨大的挑战。一般来说，直接回归3D信息很难得到准确的结果，其模型的鲁棒性也不如直接回归2D信息的模型。禾多团队提出的新算法以多任务的方式同时回归2D信息和3D信息，并且特别针对能体现3D特性的图像信息做了进一步的挖掘，从而提升了3D障碍物检测的准确性。

禾多科技是一家中国的自动驾驶初创公司，成立于2017年6月，以量产为目标，打造由本地数据驱动的自动驾驶解决方案，目前聚焦高速公路和智能泊车两大应用场景。此次在KITT数据集上的亮眼表现，表明其核心感知能力已经处于行业领先水平。

另外，中国的交通中道路状况和驾驶习惯与国外不同，还会有一些中国特色的交通参与者（比如渣土车），如果训练数据集中缺少这些数据，会导致模型对该车辆的检测或者3D估计出现严重问题，比如障碍物漏检、距离估计严重错误等等。禾多作为中国本土的公司，算法由本地数据驱动，能够更好地适应中国路况，提供更安全的自动驾驶量产方案。