李政霖

李政霖

上海大学

🙋‍♂️ 个人简介

李政霖，博士，副教授，博士生导师。本硕毕业于大连理工大学，博士毕业于英国谢菲尔德大学。上海市海外高层次人才，主持国家自然科学基金青年、启明星培育等多项纵向课题、以第一及通讯作者在重要学术期刊和国际会议上发表多篇论文，其中包括 IEEE Trans. on Industrial Informatics，IEEE Trans. on Intelligent Transportation Systems，IJCAI等。中国人工智能学会智能机器人专委会委员、Cyborg and Bionic Systems期刊（IF 10.5）青年编委。

📝 主要研究领域

1. 自动驾驶/机器人感知及端到端系统：包括多传感器融合感知、协同感知、端到端自动驾驶、占用网格估计、水面无人艇感知等；

多视图融合感知

图像5
图像7
图像8
图像9

将全局空间进行多层级分割，与虚拟视角空间对齐并进行位置编码，以低计算量实现全局注意力

DVPE: divided view position embedding for multi-view 3D object detection，IJCAI 2024（CCF A）

视觉-毫米波雷达水面融合感知

sym

Target Detection for USVs by Radar-vision Fusion with Swag-robust Distance-aware Probabilistic Multi-modal Data Association，IEEE Sensors Journal，2024

  • 减弱水面反射、平台晃动、逆光或阴雨的影响
  • 在复杂场景下具有可靠检测性能
长图

视觉-毫米波雷达融合感知

视觉-毫米波雷达动态交互3D目标检测

图像3
图像4

视觉光流与毫米波雷达融合的关键目标速度解构

端到端系统

端到端自动驾驶系统可定义为完全可微的过程，以原始传感器数据为输入，并产生规划和/或低级控制动作作为输出。

端到端自动驾驶发展历程
  • 大模型赋能垂直领域任务
  • 端到端信息交互优化集群协同
  • 减少累积误差，实现精确控制
  • 感知-规划端到端系统不确定性

2. 机器人训练数据生成与增强：包括新视角图像合成、多模态数据生成、数据增强、风格迁移等；

新视角合成 (Novel View Synthesis) ：给定源图像 (Source Image) 及源姿态 (Source Pose)，以及目标姿态 (Target Pose)，渲染生成目标姿态对应的的图片 (Target Image)。

生成式图像增强
生成式图像增强,提升数据多样性

3. 机器学习与计算机视觉：包括信息融合、深度学习的不确定性量化与分析、大模型微调、增量学习/终身学习等。

环境感知不确定性建模

图像10

MonoAux: Fully Exploiting Auxiliary Information and Uncertainty for Monocular 3D Object Detection, Cyborg and Bionic System（IF 10.5), 2024

  • 不确定性不可避免，不应忽视
  • 量化不确定性对自动驾驶安全至关重要
  • 考虑不确定性能有效提升感知精度
  • 为预测、规划提供重要参考信息
图像11
环境感知结果不确定性量化
图像12
引入不确定性有效改善小目标与部分遮挡目标的检测精度

📝 代表性成果

  1. Zhenglin Li, Wenbo Zheng, Le Yang, Liyan Ma, Yang Zhou, Yan Peng. MonoAux: Fully Exploiting Auxiliary Information and Uncertainty for Monocular 3D Object Detection. Cyborg and Bionic Systems, 2024, 5: 0097.
  2. Jiasen Wang, Zhenglin Li, Ke Sun, Xianyuan Liu, Yang Zhou. DVPE: Divided View Position Embedding for Multi-View 3D Object Detection. In Proceedings of the Thirty-Third International Joint Conference on Artificial Intelligence, pp. 6877-6885. 2024.
  3. Zhenglin Li, Tianxin Yuan, Liyan Ma, Yang Zhou, Yan Peng. Target Detection for USVs by Radar-vision Fusion with Swag-robust Distance-aware Probabilistic Multi-modal Data Association, IEEE Sensors Journal, 2024, 5: 20177 – 20187.
  4. Zhenglin Li, Lyudmila S. Mihaylova, Olga Isupova, and Lucile Rossi. “Autonomous flame detection in videos with a Dirichlet process Gaussian mixture color model.” IEEE Transactions on Industrial Informatics, 2017, vol. 14, no. 3: 1146-1154.
  5. Xiang Liu, Zhenglin Li, Yang Zhou, Yan Peng, Jun Luo. Camera–Radar Fusion with Modality Interaction and Radar Gaussian Expansion for 3D Object Detection. Cyborg and Bionic Systems, 2024, 5: 0079.
  6. Zhenglin Li, Lyudmila Mihaylova, and Le Yang. “A deep learning framework for autonomous flame detection.” Neurocomputing, 2021, 448 : 205-216.
  7. Chuan Lin, Guangjie Han, Qiuzi Tao, Li Liu, Syed Bilal Hussain Shah, Tongwei Zhang. Underwater Equipotential Line Tracking Based on Self-Attention Embedded Multiagent Reinforcement Learning Toward AUV-Based ITS. IEEE Transactions on Intelligent Transportation Systems, 2023, 24(8): 8580–8591.
  8. Ke Sun, Zhenglin Li. Sparse Data Injection Attacks on Smart Grid: An Information-Theoretic Approach. IEEE Sensors Journal, 2022, 22(14): 14553–14562.
  9. Zhenglin Li, Mahnaz Arvaneh, Heather E. Elphick, Ruth N. Kingshott, Lyudmila S. Mihaylova. A Dirichlet Process Mixture Model for Autonomous Sleep Apnea Detection Using Oxygen Saturation Data. 2020 IEEE 23rd International Conference on Information Fusion (FUSION), 2020, pp. 1–8.
  10. Wenbo Zheng, Zhenglin Li, Wenbo Xie, Songyi Zhong, Tianxin Yuan, Yan Peng. SCON: Semantic Cross-Modal Data Association Offset Estimation Network for Radar-Vision Feature Fusion. 2024 IEEE International Conference on Unmanned Systems (ICUS), 2024, pp. 1516–1520.

📝 科研项目（主持与在研项目）

  1. 军委科技委“XXXXXX”项目子课题，XX环境理解与XX安全控制技术研究，主持，505万元
  2. 国家自然科学基金青年项目，面向未知多变场景的视觉自主火灾监测，30万元，负责人
  3. 上海市启明星培育（扬帆专项），基于无人艇的海洋温盐场重构及传感器部署智能规划，20万元，负责人

📝 联系方式