2020-12-01 ~ 2021-12-30 中国自然科学基金U1613218、U1913204和62073222的部分资助；部分由上海市教委和上海市教育发展基金会通过 19SG08 下的曙光项目提供；部分来自 NVIDIA 公司的资助。本项目致力于研究缓解机器人动态场景感知面临的成本高精度差的问题，设计新的场景流自学习网络。3D场景流表示了3D空间中每个点的3D运动，可以为自动驾驶和服务器机器人的提供基本3D运动感知。具体负责内容如下：

2021-11-01 ~ 2022-07-01 项目聚焦于设计一套包含感知、规划、决策的一体化强化学习网络。一体化网络中感知部分包含深度估计和语义分割、里程计估计和回环检测、目标检测和跟踪等功能的研究。具体负责内容如下：

2021-10-01 ~ 2022-10-01 除草机器人项目共包含AI视觉障碍物分类识别、多传感器离线与在线标定、视觉惯性里程计、基于多传感器融合的全局位姿估计、基于激光雷达和深度相机的障碍物检测技术以及多传感器融合的3D障碍物检测技术。项目中主要负责基于RGB（色彩纹理）与激光雷达（几何）融合的3D障碍物检测技术。具体负责内容如下：

2020-11-01 ~ 2022-07-01 本项目部分得到中央高校基本科研业务费专项资金2020ZDPY0303，部分得到上海市教委和上海市“曙光”项目的资助。教育发展基金19SG08，部分由深圳市科技计划项目JSGG20201103094400002资助，部分由上海市科委21511101900资助，部分由英伟达公司资助。3D场景流表征当前时间点如何在3D欧几里得空间中流向下一个时间点，具有自主推断场景中所有对象的非刚性运动的能力。目前最先进的3D动态场景感知都比较依赖类似于LiDAR等传感器。KITTI 数据集中使用的彩色相机成本不超过 20 美元，而 Velodyne HDL-64E LiDAR 传感器的成本约为 75,000 美元 [16] 自动驾驶或机器人技术的硬件成本将因此大大降低。立体相机系统可以为基于 LiDAR 的场景流估计方案提供低成本的备份系统。具体负责内容如下：

2020-10-01 ~ 2021-2-01 基于深度学习完成单目视觉SLAM实时密集地图构建。尝试探索实现通过单目输入就可以得到实时而稠密的地图构建效果，并且只需要单目的视频序列就可以进行无监督学习。具体负责内容如下：