开放智能电动车研究中心 (OIEV-RC)
位置:
康泽工商ITC14
简介：
开放智能电动车研究中心(OIEV-RC)是由创新工程学院联同自动驾驶领先企业共同创建，目的是通过跟业界开展合作，研发新一代自动驾驶智能技术，在开放电动车平台上实现群智能式多代理知识共享，幷通过STEP持续学习不断提升自动驾驶的认知和预测水平，最终让能够满足自动驾驶中的诸多应用场景。
目前，OIEV-RC拥有澳门第一台由常规电动汽车（型号： VOLKSWAGEN ID.3 PURE A/T VE）改装的完整示范性自主驾驶车辆，具有开放的可访问软件和硬件接口，允许第三方插件算法的更新改进，主要用于自动驾驶技术研究和测试。车辆已经获得澳门交通事务局的允许开展道路测试之许可。
该车辆具有传感器配备包括：一个前向摄像机，三个广角摄像机，一个前向固态雷射雷达，一个顶部360°雷射雷达，共计六个传感器被用来执行感知任务，惯性导航系统（INS）被用来实现精准定位，基于CPU的工控机被用来执行诸如感知结果融合、决策等演算法，基于GPU的工控机被用来执行感知演算法和规划演算法。
目前，自动驾驶系统已经支持车辆和行人的检测与避让功能。车辆检测模块通过融合激光雷达的深度检测信息和摄像头的语义识别信息，通过融合道路拓扑信息与交通规则，跟踪模块可以预测出车辆的行驶路线，当自动驾驶车辆与其他车辆存在碰撞风险时，系统会采取减速甚至紧急停车的方式来避免碰撞的发生。系统同时也能在三维空间中准确的识别出行人的实时位置及轨迹，采取减速甚至紧急停车的方式来保障行人安全。
通过这开放平台，希望研究人员能够在最前沿的技术方向上自由发挥，影响全行业最难的技术难题，提供学子们最好的教学资源，为他们的未来做最充分的准备。我们期待开放智能电动车研究中心为智能移动技术的真正普及做出不可或缺的贡献。
合作伙伴：
奥特酷智能科技（南京）有限公司（简称AutoCore），现为私人控股，由风险投资支持的汽车企业，是世界领先的自动驾驶开源软件项目AutoWare基金会的创始高级成员。主要业务是通过开源软件，以低成本、低功耗、可扩展和可靠的方式实现自主驾驶所需的安全中间件和独立于SoC的汽车级计算平台。
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
