2016年1月15日，CCF YOCSEF在中科院计算所四楼报告厅举行“自动驾驶与汽车辅助驾驶中的计算机视觉技术”学术报告会。邀请北京理工大学龚建伟教授、总参第61研究所海丹博士、Nvidia 机器学习解决方案架构师路川博士等专家共同讨论汽车自动驾驶、辅助驾驶中计算机视觉技术的最新进展、未来趋势，以及探索无人车中计算机视觉的新技术突破和产业机会。CCF YOCSEF学术委员会副主席、西安电子科技大学苗启广教授、CCF YOCSEF学术委员会AC委员、中科院计算所山世光研究员担任本次报告会的执行主席。报告会吸引了百余位听众，会场座无虚席。

从20世纪70年代开始，美国、英国、德国等发达国家开始进行无人驾驶汽车的研究，在可行性和实用化方面都取得了突破性的进展。无人驾驶汽车是计算机科学、模式识别和智能控制技术高度发展的产物，也是衡量一个国家科研实力和工业水平的一个重要标志，在国防和国民经济领域具有广阔的应用前景。当前，随着自动控制、体系结构、人工智能、视觉计算、大数据、物联网以及移动互联网等信息技术的飞速发展，自动驾驶、汽车辅助驾驶得到了学术界和产业界的高度关注。那么，将汽车自动驾驶、辅助驾驶中，从计算机视觉的角度，其核心问题是什么？当前计算机视觉技术在该领域中的进展如何？未来计算机视觉技术将为无人驾驶汽车领域带来怎样的发展机遇与挑战？

北京理工大学龚建伟教授作了题为“自动驾驶汽车真实交通环境视觉信息表达与行驶场景理解”的报告。行驶环境信息是自动驾驶行为决策和规划控制的基础，从多级别的自动驾驶功能对计算机视觉信息和行驶场景理解的需求，说明我们在自动驾驶环境感知方面的研究情况：面向行驶环境感知的计算数据和地图先验信息，采用地理地图信息、行驶环境运动目标几何特征、时空数据关联的跨模态环境要素，采用多尺度联合特征提取与多源异构信息融合技术，开展类人复杂环境识别与理解方法的研究及相关进展，以及在真实交通环境的自动驾驶实践。

总参第61研究所海丹博士在“智能车图像SLAM”报告中介绍联合课题组在园博园测试、郑开测试和常熟比赛的简要情况，目前联合课题组智能车所用到的视觉技术等。结合比赛情况介绍目前图像车道线检测和红绿灯检测遇到的主要问题。探讨使用定位信息辅助车道线提取以及红绿灯识别的意义，进而阐述开展图像SLAM研究的必要性。汇报了联合课题组开展图像SLAM近况、算法流程和取得的一些阶段性结果。最后针对算法中还存在的问题提出了改进方法。

Nvidia 机器学习解决方案架构师路川博士的报告题目为“Accelerating the Race to Self-driving Cars”。介绍了基于深度学习的Nvidia 自动驾驶解决方案，包括硬件系统Nvidia Tesla GPU + Drive PX、软件系统NvidiaDriveWorks，将加速自动驾驶汽车的发展步伐，帮助汽车开发者在自动驾驶汽车中快速部署深度学习技术铺平道路。

最后360公司首席科学家颜水成博士与三位讲者一起参加了Panel讨论。