第三十一屆中國汽車工程學會年會暨展覽會（SAECCE 2024）于日前在中國重慶·科學會堂隆重召開。

SAECCE 2024以“智能涌現，邁進加速變革新階段”為主題，將聚焦汽車產業創新重大需求，瞄準未來的前沿性、顛覆性技術發展，重點突出汽車科技前沿、關鍵技術創新、工程技術研發與應用實踐以及產業合作等，著力推動汽車科技進步、跨領域技術融合創新及產業合作，加速汽車人才發展，引領汽車產業高質量發展。

作為國內汽車產業技術體系最全、規模最大、層次最豐富的綜合性學術交流年會。從官方獲悉，本屆年會征集了來自全國重點高校、科研機構、主機廠、高新企業等近1500篇有效論文投稿，經過組委會近半年的嚴格選拔，由軒轅智駕撰稿的《基于區域注意力的紅外與可見光圖像融合》論文被成功錄用，并作為優秀論文在本次年會現場進行展示，本次入選充分體現了軒轅智駕在紅外感知領域的技術能力和學術成果。

軒轅智駕科研論文《基于區域注意力的紅外與可見光圖像融合》，主題為通過區域注意力融合策略和多尺度卷積層（Multiscale convolutional layers），改善視覺感知融合效果。目的是為解決汽車單一傳感器的局限性。例如，可見光攝像頭在能見度較低（夜晚、雨霧天）和光線差（眩光）的情況下成像質量不佳，但在理想光線條件下擅長捕捉目標紋理信息。紅外熱成像能全天候、全氣候運作，靠熱輻射能捕捉人、車、動物等發熱源，卻無法提供豐富的紋理信息。在駕駛場景中，為了更好地進行后續的感知（檢測、分割、預警）任務，需要更優質的圖像信息，利用兩種傳感器的成像圖像進行融合具有重要意義。而現有技術在融合兩種圖像時，存在融合效果不理想、算法穩定性和魯棒性不足等問題，無法充分滿足駕駛場景對視覺感知的需求。

為應對這一難題，軒轅智駕研發團隊在論文中提到了一個新的觀點：CSF算法依賴人為設計的融合策略，成為算法穩定性和魯棒性的瓶頸。團隊通過設計一組針對分類器的對比實驗發現，隨著迭代次數的增加，融合圖像的視覺效果更差，相關系數（CC）和互信息（MI）等指標也變得更差，而分類器在 8000 次迭代之后就收斂了。

通過消融實驗，只在 CSF 的基礎上將原先的融合模塊替換成基于區域注意力的融合模塊，進一步將編碼器的卷積層替換成多尺度卷積層之后，融合效果得到進一步提升，所有指標均有所提高。

實驗結果

1改善融合效果。多尺度卷積層能捕捉不同感受野的特征，更好地適應圖像中不同區域的特征，提高編碼器的語義表征能力。最終使得融合結果在細節保留、對比度、銳度等方面都有明顯提升，可大幅改善現有融合算法中存在的融合圖像細節丟失、對比度和銳度不足等問題，更好地滿足了汽車駕駛場景對視覺感知的需求。

2提升融合算法魯棒性。基于區域注意力的融合策略能根據不同區域的特點合理分配權重，不再完全依賴分類器的結果，使得融合算法對分類器的敏感性降低，解決了 CSF 算法中因過度依賴分類器而導致的隨著迭代次數增加融合效果變差的問題，提高了算法的穩定性和魯棒性。

軒轅研發團隊希望，通過區域注意力融合策略和多尺度卷積層的實驗方法，改善融合圖像的質量，提升算法的魯棒性，滿足可見光和雙光圖像融合的高標準視覺感知需求，為用戶提供更安全的駕駛體驗！