開放智能電動車研究中心 (OIEV-RC)
位置:
康澤工商ITC14
簡介：
開放智能電動車研究中心(OIEV-RC)是由創新工程學院聯同自動駕駛領先企業共同創建，目的是通過跟業界開展合作，研發新一代自動駕駛智能技術，在開放電動車平臺上實現群智能式多代理知識共享，幷通過STEP持續學習不斷提昇自動駕駛的認知和預測水平，最終讓能夠滿足自動駕駛中的諸多應用場景。
目前，OIEV-RC擁有澳門第一台由常規電動汽車（型號： VOLKSWAGEN ID.3 PURE A/T VE）改裝的完整示範性自主駕駛車輛，具有開放的可訪問軟件和硬件接口，允許第三方插件算法的更新改進，主要用於自動駕駛技術研究和測試。車輛已經獲得澳門交通事務局的允許開展道路測試之許可。
該車輛具有傳感器配備包括：一個前向攝像機，三個廣角攝像機，一個前向固態雷射雷達，一個頂部360°雷射雷達，共計六個傳感器被用來執行感知任務，慣性導航系統（INS）被用來實現精准定位，基於CPU的工控機被用來執行諸如感知結果融合、決策等演算法，基於GPU的工控機被用來執行感知演算法和規劃演算法。
目前，自動駕駛系統已經支持車輛和行人的檢測與避讓功能。車輛檢測模塊通過融合激光雷達的深度檢測信息和攝像頭的語義識別信息，通過融合道路拓撲信息與交通規則，跟踪模塊可以預測出車輛的行駛路綫，當自動駕駛車輛與其他車輛存在碰撞風險時，系統會采取减速甚至緊急停車的方式來避免碰撞的發生。系統同時也能在三維空間中準確的識別出行人的實時位置及軌迹，采取减速甚至緊急停車的方式來保障行人安全。
通過這開放平臺，希望研究人員能够在最前沿的技術方向上自由發揮，影響全行業最難的技術難題，提供學子們最好的教學資源，爲他們的未來做最充分的準備。我們期待開放智能電動車研究中心爲智能移動技術的真正普及做出不可或缺的貢獻。
合作伙伴：
奧特酷智能科技（南京）有限公司（簡稱AutoCore），現為私人控股，由風險投資支持的汽車企業，是世界領先的自動駕駛開源軟件項目AutoWare基金會的創始高級成員。主要業務是通過開源軟件，以低成本、低功耗、可擴展和可靠的方式實現自主駕駛所需的安全中間件和獨立於SoC的汽車級計算平台。
主要研究成果包括：
Zhou, B., Wang, P., Wan, J., Liang, Y., & Wang, F. (2023). A Unified Multimodal De-and Re-Coupling Framework for RGB-D Motion Recognition. IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI). (CAA-A, CCF-A)
Zhu, Z., Yang, L., Li, N., Jiang, C., & Liang, Y*. (2023). UMIFormer: Mining the Correlations between Similar Tokens for Multi-View 3D Reconstruction. ICCV 2023. (CCF-A)
Yang, L., Zhu, Z., Lin, X., Nong, J., & Liang, Y*. (2023). Long-Range Grouping Transformer for Multi-View 3D Reconstruction. ICCV 2023. (CCF-A)
Liu, B., Pu, Z., Pan, Y., Yi, J., Liang, Y., & Zhang, D. (2023). Lazy Agents: A New Perspective on Solving Sparse Reward Problem in Multi-agent Reinforcement Learning, ICML 2023. (CCF-A)
Lin, X., Gan, J., Jiang, C., Xue, S., & Liang, Y.* (2023). Wi-Fi-Based Indoor Localization and Navigation: A Robot-Aided Hybrid Deep Learning Approach. Sensors, 23(14), 6320.
Yu, X., Liang, Y.*, Lin, X., Wan, J., Wang, T., & Dai, H. N. (2022). Frequency Feature Pyramid Network with Global-Local Consistency Loss for Crowd-and-Vehicle Counting in Congested Scenes. IEEE Transactions on Intelligent Transportation Systems (TITS) (CAA-A, CCF-B)
Li, J., Cheang, C.F., Liu, S., Tang, S. Li, T. & Cheng, Q. (2024). Dynamic-TLD: A Traffic Light Detector based on Dynamic Strategies. IEEE Sensors Journal. DOI: 10.1109/JSEN.2024.3352830
