针对当前红外热成像行业应用难点，睿创微纳联合国家智能网联汽车创新中心发布“基于红外单目摄像头深度估计”算法攻关任务。任务总奖金15万元，按照“自由参与、开源共享、入库奖励”的原则汇聚算法开发者。目前已有来自北京大学、清华大学等高校及科研单位的60支队伍参与该任务。
红外热成像在智能驾驶应用场景中具有独特优势：穿透黑夜，增强驾驶员视野；不受光线变化影响，解决夜间会车眩光问题；在大雾、雾霾、沙尘天气下依旧可清晰成像，提升驾驶安全。
眩光环境〡可见光VS 红外热成像
光照不足环境〡可见光VS 红外热成像
雾霾环境〡可见光VS 红外热成像
本任务数据源，基于合肥英睿（睿创微纳全资子公司）自研红外单目摄像头采集的夜间城市普通道路非拥堵路段驾驶场景的视频序列，属于无监督视频序列训练范畴。任务目标是对红外单目图像进行深度估计，得到每个像素相对拍摄源的距离。
如下所示，左图为红外热成像图像数据，分辨率为640×512，右图是对左图进行深度估计的深度图，越浅的地方表示目标越近，越深的地方表示目标越远。深度图的分辨率与原图一致，为640×512。
如下所示，左图是激光雷达点云数据，右图是雷达点云在640×512的红外图像上映射效果。图中由紫到绿代表着距离由近到远。点云数据作为红外深度估计的距离真值，用于评测算法性能。
深度估计算法
深度估计对自动驾驶系统的感知和估计自身位姿确定尤为重要，可广泛应用于同步定位与建图（SLAM）、车辆导航、目标检测和语义分割等领域。传统方法通常是利用激光雷达或结构光在物体表面的反射获取深度点云，从而获取高精度的深度信息，但因其价格昂贵和同步的困难，在自动驾驶领域大规模应用和部署还有一定的距离。
单目深度估计是利用一张图像来估计图像中每个像素相对拍摄源的距离。目前的单目深度估计主要分为有监督和无监督两种方法。其中无监督的单目深度估计可以根据训练数据分为双目和视频序列两种。无监督深度估计基于两帧关联的图像，可以是双目中左右视角，也可以是视频序列的前后两帧。
奖项设置
作品提交已在开发者社区门户上启动，根据任务难易程度、算法开源程度和测试结果，对优秀开发团队进行不同额度的现金奖励。
① 赛马奖3名：第一名4-6万元、第二名1-3万元、第三名0.8-1万元
② 应用奖若干：奖励0.5万元
③ 贡献奖若干：奖励不低于200元
点击报名