自动驾驶第67页

谷歌大脑深度学习炼丹指南出炉，Hinton点赞！

编辑|机器之心点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【全栈算法】技术交流群「大量的实践经验已被提炼成这份强大的深度学习模型调参指南。」

自动驾驶之心·2023-02-01 12:24

自动驾驶感知——物体检测与跟踪算法|4D毫米波雷达

文章目录1.物体检测与跟踪算法1.1DBSCAN1.2卡尔曼滤波2.毫米波雷达公开数据库的未来发展方向3.4D毫米波雷达特点及发展趋势3.14D毫米波雷达特点3.1.1FMCW雷达角度分辨率3.1.2MIMO(MultipleInputMultipleOutput)技术3.24D毫米波雷达发展趋势3.2.1芯片级联3.2.2专用芯片3.2.3标准芯片+软件提升声明1.物体检测与跟踪算法1.1DBS

yuan〇·2023-02-01 12:53

人工智能之YOLOP v2来啦 | YOLOv7结合YOLOP的多任务版本，超越YOLOP以及HybridNets

在为计算资源有限的实时实际自动驾驶系统设计网络时，它已成为一种流行的范例。本文提出了一种有效且高效的多任务学习网络，可同时执行交通目标检测、可行驶道路区域分割和车道检测任务。

大数据AI人工智能专家培训讲师叶梓团队·2023-02-01 12:18

YOLOP 论文笔记

YouOnlyLookOnceforPanopticDrivingPerceptionYOLOP论文链接:https://arxiv.org/abs/2108.11250v5一、ProblemStatement自动驾驶中

Tianchao龙虾·2023-02-01 12:18

【自动驾驶】多伦多大学课程笔记

Self-DrivingCars课程结构Lesson1:TaxonomyofDrivingTermsandDefinitionsDrivingTaskOperationalDesignDomain(ODD)课程结构Lesson1:TaxonomyofDrivingTermsandDefinitionsDrivingTaskOperationalDesignDomain(ODD)在设计环节清晰地定义

脚踏实地的大梦想家·2023-02-01 11:58

综述 | 激光与视觉融合SLAM

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达SLAM包含了两个主要的任务：定位与构图，在移动机器人或者自动驾驶中，这是一个十分重要的问题：机器人要精确的移动，就必须要有一个环境的地图

小白学视觉·2023-02-01 11:26

【BEV】学习笔记之BEV模型学习小结

1、前言对于自动驾驶来说，单相机识别无法满足现有要求，也有过将多相机中的检测结果进行整合的工作，但这种操作显然不够“优雅”，于是更多的在Bird’sEyeView(BEV)视角下进行识别，如下图所示。

Rex久居·2023-02-01 10:45

云，汽车行业的联合创新者

在云、人工智能、物联网和5G等技术的加持下，车联网、自动驾驶正成为汽车行业的新趋势。而AWS作为引领全球云计算行业发展的云服务厂商，正在推动汽车行业全价值链的创新。

云智时代·2023-02-01 03:41

《2021中国经济开启复式时代》读书笔记

当下，区块链、虚拟现实（VR）、机器学习、基因编辑、自动驾驶等新兴技术均根植于基础科学的突破，在这些技术的更底部，就是数学、物理、化学等基础科学领域。这意味着

晓文123·2023-02-01 03:54

阅读 | 《重构地球：AI FOR FEW》人工智能重塑人类未来

人脸识别图像识别、自然语言处理、自动驾驶等每一项生活方式都离不开人工智能技术的知识。食物、能源、水的可持续问题是人类共同面对的终极挑战，而AI技术是我们面对这些挑战的一个强有力的武器。

TaniaS·2023-02-01 02:48

感想感说 08-03

比如纯电动汽车的诞生，颠覆了以往燃油车的各种操作习惯，甚至可以做到自动驾驶。还有很多很多，也许不久将来还有更多的新想法不断成为现实。

楠山_0607·2023-02-01 02:49

自动驾驶系列（二十一）Autoware使用Robesense16雷达

Autoware界面本身兼容了robesense16线雷达的选项，但是点击后报错。查看应该是找不到rslidar的launch文件。因此我们直接使用速腾公司给的robesense16的数据采集发布包，然后再用Autoware集成的算法。运行雷达的代码参考前面章节。roslaunchrslidar_pointcloudrs_lidar_16.launch在Autoware界面下，配置computin

者也之乎·2023-01-31 21:35

Ubuntu18.04下安装autoware1.14.0及其demo展示

一、autoware简介ROS系统有很多开源的工具包，可以通过选择不同的工具包实现，建图，定位，规划等节点，从而实现整体的自动驾驶技术。

PX Yue·2023-01-31 21:05

Win10跑仿真环境Ubuntu跑自动驾驶框架（LGSVL2021.3+Autoware1.14分布式部署）环境搭建（有线|无线）

实现效果：两台电脑，一台Win10的电脑跑虚拟仿真环境（LGSVLsimulator2021.3），另一台Ubuntu1804电脑跑自动驾驶框架（Autoware1.14），通过无线或有限两种连接方式。

Double lee·2023-01-31 21:04

百度---自动驾驶领域的安卓？它将如何超越谷歌、特斯拉等其他玩家（上）

为了能够追赶上这一领域的美国领跑者，压制新锐中国竞争者，百度采取了一种全新的方式来发展自动驾驶软件。

行业分析_Shawn·2023-01-31 19:21

自动驾驶系统中的坐标系

自动驾驶系统中的坐标系自动驾驶汽车一般由相机、激光雷达、IMU和RTK等传感器组成，相对应的主要有以下四个坐标系：LiDAR坐标系、相机坐标系、图像坐标系、世界坐标系，四个坐标系可以通过参数进行转化。

CV_Code_Farmer·2023-01-31 18:26

node.js安装步骤_语义分割标注工具Semantic Segmentation Editor 快速安装指南

HitachiAutomotiveAndIndustryLab)开源的基于Web的语义对象标注编辑器(SemanticSegmentationEditor)，该工具专门用于创建机器学习语义分割的训练数据，为自动驾驶研究开发的

weixin_39996798·2023-01-31 17:16

自动驾驶——标注工具（js+electron）的开发笔记（基于Create-React-App）

目录1前言2框架选择3项目需求3.1自动更新4开发环境4.1Yarn安装4.2基础库安装react-fontawesome5项目初始化&配置5.1使用create-react-app创建项目5.2安装ERB项目依赖5.2.1使用“yarn”命令进行项目依赖包的安装5.3安装electron5.3安装第三方依赖5.4启动调试5.4脚手架预配置5.5移植时node_modules文件夹可以删除6软件运

songyuc·2023-01-31 17:15

Mobileye阵营「瓦解」？采埃孚的「求生大考」

近日，采埃孚宣布参股韩国汽车软件公司StradVision（投后持股6%），后者主营驾驶员辅助/自动驾驶系统的人工智能图像处理算法。

高工智能汽车·2023-01-31 16:28

通过基于模型的系统工程简化复杂性案例研究

例如自动驾驶汽车、自动驾驶城市飞行器（UAV）、量子计算以及新一代移动连接技术5G。在按时、按成本设计、制造和交付能够满足客户性能预期的新产品时，制造商面临着前所未有的挑战。

达索系统百世慧·2023-01-31 16:01

点云深度学习研究现状与趋势

近几年的大规模发展得益于自动驾驶和机器人领域的火热，激光雷达成为重要的感知手段而得到人们关注，点云处理也成为热门。点云是什么？

小白学视觉·2023-01-31 15:54

基于OpenVINO部署PaddlePadle-YOLOE模型

1.项目介绍1.1PP-YOLOE模型目标检测作为计算机视觉领域的顶梁柱，不仅可以独立完成车辆、商品、缺陷检测等任务，也是人脸识别、视频分析、以图搜图等复合技术的核心模块，在自动驾驶、工业视觉、安防交通等领域的商业价值有目共睹

·2023-01-31 13:52

4D成像毫米波雷达驾到，L2、L3级自动驾驶将迎发展良机

转载自集微网4D成像雷达兴起之后，毫米波雷达又重新进入自动驾驶感知第一阵营，市面上也出现了毫米波雷达将成为激光雷达替代者的观点。背后真相究竟如何？“从理论上说，4D成像雷达存在取代激光雷达的可能。”

drunk_snail·2023-01-31 12:28

自动驾驶——感知、决策、控制

自动驾驶关键环节——感知、决策、控制感知环境感知通过毫米波雷达、摄像机等传感器实现，车辆自身状态感知通过导航系统、惯导系统等实现，通过V2X网联通信技术实现智能驾驶车辆与外界的互联互通。

秋水墨色·2023-01-31 12:28

毫米波雷达

为了推进自动驾驶技术的发展，同时要解决摄像机测距、测速不够精确的问题。工程师们选择了性价比更高的毫米波雷达作为测距和测速的传感器。毫米波雷达不仅拥有成本适中的有点，而且能够完美处理激光雷达所处理不了的

土豆西瓜大芝麻·2023-01-31 12:27

自动驾驶感知——毫米波雷达

文章目录1.雷达的基本概念1.1毫米波雷达分类1.2信息的传输1.3毫米波雷达的信号频段1.4毫米波雷达工作原理1.4.1毫米波雷达测速测距的数学原理1.4.2毫米波雷达测角度的数学原理1.4.3硬件接口1.4.4关键零部件1.4.5数据的协议与格式1.5车载毫米波雷达的重要参数1.6车载毫米波雷达的三种典型应用2.FMCW雷达的工作流程2.1线性调频脉冲信号2.2混频器2.3单目标距离估计2.4

yuan〇·2023-01-31 12:26

赋能激光雷达和4D毫米波雷达，FPGA加速自动驾驶进阶升级

当前，各大车厂正在全力备战高级自动驾驶的量产，被称为自动驾驶智慧之“眼”的环境感知基础部件传感器，也进入了新一轮的技术迭代与创新升级的关键时期。

高工智能汽车·2023-01-31 12:26

多目标跟踪SOTA | TransTrack改进版，模型减小60%，复杂性降低80%！

作者|小书童编辑|集智书童点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【目标跟踪】技术交流群后台回复【目标跟踪综述】获取单目标、多目标、基于学习方法的领域综述

自动驾驶之心·2023-01-31 10:44

立体视觉的物距测量

在国防和航空航天领域，计算机视觉还具有更重要的意义，例如自动跟踪和识别运动目标，自动驾驶汽车导航以及太空机器人的视觉控制。计算机视觉研究的目的是使计算机具有通过二维图像信息识别三维环境

小白学视觉·2023-01-31 08:18

【自动驾驶轨迹规划之最优控制】

目录1车辆动力学约束1.1模型的采取1.2模型的假设1.3运动学模型的微分方程组1.4控制变量的选择2边值约束2.1简单的约束2.2较复杂的约束3碰撞躲避约束4代价函数5完整的最优控制问题1车辆动力学约束1.1模型的采取车辆的运动状态改变源自于轮胎受到的合力，由于轮胎受到的力沿接触面分布，需要用到材料力学的知识，有大量的复杂方程，并且在研究车辆低速情况的轨迹规划时，搭建如此复杂的物理模型并不实用，

无意2121·2023-01-31 07:27

【自动驾驶轨迹规划之A*算法】

目录1A*算法简介2A*算法原理及流程2.1基本原理2.2算法流程2.2.1变量举例说明2.2.2算法流程图实例3算法测试地图4A*算法matlab实现4.1完善地图结构4.2方向自定义4.3A*算法4.4回溯5完整版A*算法5.1动画5.2完整源程序1A*算法简介A*算法是一种静态路网中求解最短路径有效方法，也是解决许多搜索问题的有效算法。算法中的距离估算值与实际值越接近，最终搜索速度越快。A*

无意2121·2023-01-31 07:27

【自动驾驶轨迹规划之安全行驶走廊】

目录1原理剖析1.1安全飞行走廊（SFC）1.2安全行驶走廊（STC）1.2.1车辆外形建模1.2.2环境建模1.3生成安全行驶走廊的伪代码1.4建立约束限制1.5最优控制2测试结果本文参考论文链接如下，感兴趣的读者可以阅读原始论文ManeuverPlanningforAutomaticParkingwithSafeTravelCorridors:ANumericalOptimalControlA

无意2121·2023-01-31 07:56

V2X、OBU、RSU、V2V关系

路侧单元V2V：VehicletoVehicle车与车通信V2X：VehicletoEverything车辆到一切通信2.V2X、OBU、RSU、V2V之间的协作关系假设有两辆智能驾驶汽车A和BA车具备：自动驾驶计算平台

Listron·2023-01-30 21:01

V2X方案之OBU介绍

基于C-V2X协议栈，与高级辅助驾驶ADAS、自动驾驶ADS深度融合，提供丰富的交通效率及安全等服务，满足高速公路场景下车辆主动安全，效率提升

不懂汽车的胖子·2023-01-30 21:00

车道线检测传统方法笔记

车道线检测是自动驾驶中的一个基础模块，车道保持，自适应巡航，自动变道；对于全自动驾驶汽车后续的车道偏离或轨迹规划决策也很重要。目前车道线检测主要有两种方案：传统方法与深度学习。

迷路在代码中·2023-01-30 20:50

详解车道线检测数据集和模型 VIL-100: A New Dataset and A Baseline Model for Video Instance Lane Detection

论文链接：https://arxiv.org/abs/2108.08482项目链接：https://github.com/yujun0-0/MMA-Net1.Introduction在自动驾驶中，最基本和最有挑战性的一个任务是车道线检测

自动驾驶小学生·2023-01-30 20:20

自动驾驶读书笔记

LiDAR（LightDetectionAndRanging）一般分为3个组成部分，激光发射器、扫描与光学部件、感光部件。通过这三个部件的工作，激光雷达实现对目标的探测，探测的每一个点均包含点的位置信息及返回光线的强度信息。激光雷达的使用会受天气影响。空气中的水珠以及其他悬浮物都会对其精度造成影响。毫米波工作频率30～300GHz，波长为1～10mm，介于厘米波和光波之间。雷达测量的是反射信号的频

橙子妈妈成长记·2023-01-30 19:08

点云目标识别系列文章目录

点云目标识别系列文章目录第一章点云目标识别系列文章目录文章目录点云目标识别系列文章目录前言一、点云目标识别二、激光slam总结前言近些年来自动驾驶越来越受到资本和大众的青睐，相关技术手段也不断发展。

weixin_46124984·2023-01-30 18:57

curl算子_自动算子优化工具——AutoKernel

人工智能技术干货请关注AIZOO、JackCui机器人与自动驾驶课程请关注深蓝学院我是来自山区、朴实、不偷电瓶的AI算法工程师阿chai，给大家分享人工智能、自动驾驶、机器人、3D感知相关的知识哈喽小伙伴们

weixin_39796752·2023-01-30 18:20

为了自动驾驶，谷歌用NeRF在虚拟世界中重建了旧金山市

训练自动驾驶系统需要高精地图，海量的数据和虚拟环境，每家致力于此方向的科技公司都有自己的方法，Waymo有自己的自动驾驶出租车队，英伟达创建了用于大规模训练的虚拟环境NVIDIADRIVESim平台。

Tom Hardy·2023-01-30 17:36

Julia语言是怎样的语言

实际落地的应用场景包括：自动驾驶汽车、机器人和3D打印机、精准医疗、数据科学、机器学习、科学计算与平行计算等。2018年，Julia语言在TIOBE编程语言排行榜排名37

吴怡may_wuyi·2023-01-30 16:41

Multi-modal Sensor Fusion for Auto Driving Perception: A Survey 自动驾驶多模态传感器融合综述

Multi-modalSensorFusionforAutoDrivingPerception:ASurveyKeliHuangBotianShiXiangLiXinLiSiyuanHuangYikangLi论文翻译摘要：多模态融合是自动驾驶系统感知的一项基本任务

感知小波·2023-01-30 13:57

美国低速自动驾驶应用案例 | 自动驾驶系列

5G行业应用·2023-01-30 11:15

详解3D点云在自动驾驶中的应用场景

什么是3D点云？3D点云是将标注对象进行可视化以进行更加详细的检测和分类，从而获取维度精准的分割。在获取物体表面每个采样点的空间坐标后，得到的是一个点的集合，即为“点云”。包括三维坐标（XYZ）、激光反射强度（Intensity）和颜色信息（RGB）。三维数据本身就有一定的复杂性，因此需要对数据先进行预处理。3D点云的优点：点云表示保留了三维空间中原始的几何信息，不进行离散化。3D点云的缺点：数据

景联文科技·2023-01-30 11:15

计算机控制技术在自动驾驶应用分析,计算机视觉在自动驾驶中的应用探讨

陈文博摘要：在自动驾驶的感知系统中，图像传感器能够获取物体的类型、颜色等信息，相比其它传感器，信息更加丰富，但信息提取的难度较大。计算机视觉技术的出现为从图像数据里提取关键信息提供了基础。

weixin_39725885·2023-01-30 11:43

学习笔记1--自动驾驶汽车概念与分级

本系列博客包括6个专栏，分别为：《自动驾驶技术概览》、《自动驾驶汽车平台技术基础》、《自动驾驶汽车定位技术》、《自动驾驶汽车环境感知》、《自动驾驶汽车决策与控制》、《自动驾驶系统设计及应用》。

FUXI_Willard·2023-01-30 11:10

谈谈事件相机在自动驾驶领域的应用前景

在自动驾驶发展的历程中，视觉算法的应用已经成为不可或缺的一部分。

九章智驾·2023-01-30 11:07

自动驾驶介绍、应用、前景

自动驾驶介绍、应用、前景1介绍1.1定义1.2作用1.3发展历程1.4分类23年初竞争格局1.5顾虑1.6前景2产业链现状2.1芯片2.2仿真3技术路线3.1是否交互3.1.1单车智能3.1.2车路协同

worthsen·2023-01-30 11:34

2019-04-28

30岁的她决定回国做AI芯片18个月后，我们已经拥有300名工程师和一个不断扩大的自动驾驶测试车队。这样的成长速度确实令人骄傲，不过速度并非一切，在团队培养和车辆搭建上，我们必须深思熟虑。

马里奥成长记·2023-01-30 11:36

【系列文章】面向自动驾驶的三维点云处理与学习（1）

标题：3DPointCloudProcessingandLearningforAutonomousDriving作者：SihengChen,BaoanLiu,ChenFeng,CarlosVallespi-Gonzalez,CarlWellington编译：点云PCL来源：arXiv2020本文仅做学术分享，如有侵权，请联系删除。欢迎各位加入免费知识星球，获取PDF论文，欢迎转发朋友圈。内容如有错

Being_young·2023-01-30 10:46

推荐频道

自动驾驶