Driving

【CV论文精读】【协同感知综述】Collaborative Perception for Autonomous Driving ：Current Status and Future Trend

CollaborativePerceptionforAutonomousDriving：CurrentStatusandFutureTrend0.论文摘要感知是自动驾驶系统的关键模块之一，近年来取得了很大进展。然而，单个车辆的有限能力导致感知性能提高的瓶颈。为了突破个体感知的局限，协作感知被提出，它使车辆能够共享信息来感知视线和视野之外的环境。本文综述了有前途的协作感知技术的相关工作，包括介绍了基

量子-Alex·2024-02-09 18:23

环境配置：Udacity的Self-Driving项目安装运行

前言Udacity的自动驾驶工程师纳米学位项目（Self-DrivingCarEngineerNanodegreeProgram）是一项面向学习者的前沿技术项目，旨在提供全面的自动驾驶工程师培训。该项目由Udacity与自动驾驶领域的领先公司和专业人士合作开发，涵盖了从传感器融合到深度学习等多个方面的内容。本篇内容将介绍此项目如何在自己的环境中进行配置。希望大家通过这个项目，能够在自动驾驶领域取得

马上到我碗里来·2024-02-06 18:45

Android中直接打开高德地图导航（手机上装了高德地图）

naviPara.setTargetPoint(newLatLng(34.193455,108.88000));//设置导航策略，这里是避免拥堵naviPara.setNaviStyle(com.amap.api.maps.AMapUtils.DRIVING_AVOID_CONGESTION

凉城┓.〆·2024-01-31 14:41

【论文解读】Collaborative Perception in Autonomous Driving: Methods, Datasets and Challenges（协同感知综述）

第一次见到这么清晰的综述！摘要引言融合方案协同感知方法（forIdealScenarios）早期融合自定义沟通机制特征融合传统融合：基于图的融合基于注意力的融合自定义损失函数输出融合协同感知方法（forReal-worldIssues）定位错误通信问题模型或任务差异隐私与安全数据集与实验评估挑战与机遇协作感知中的传输效率复杂场景中的协同感知基于联合学习的协同感知低标签依赖的协同感知结论摘要协同感知

我叫两万块·2024-01-31 12:51

Threejs in autonomous driving -（2）模型精简

在开发准备阶段建模同学都会提供一个车模,从前段考量一般来说超过100kb都算是大文件了，这个模型一般是obj+mtl文件，这两个一般都会超过MB。推动精简的话都非常都难。精简方案删减模型的顶点和面片模型压缩第一种专业性比较强，我们是搞不定的，那么就可以从第二种思路为出发点。通过万能的搜索引擎搜索我们可以找到被誉为3d业界的json格式的gltf。gltf简介。这里推荐两个工具obj2gltfhtt

土肥圆_c1ab·2024-01-30 23:18

Benchmarking Robustness in Object Detection: Autonomous Driving when Winter is Coming

评判现有物体检测算法在自动驾驶领域是否可行。结论如下：最好的算法在图像被污染的情况下，检测率下降严重，最少31%，最多64+%大容量模型相比小容量模型更具鲁棒性训练时添加用风格转移算法处理后的图片，能显著提高模型的鲁棒性noise.pngperform.pngstyle.pngpapergithub风格化github

Cat丹·2024-01-29 20:49

Domain Adaptive Object Detection for Autonomous Driving under Foggy Weather

Abstract大多数自动驾驶的物体检测方法通常假设训练和测试数据之间的特征分布一致，但当天气差异显著时，情况并非总是如此。在晴朗天气下训练的目标检测模型在大雾天气下可能由于域间隙而不够有效。本文提出了一种新的雾天自动驾驶领域自适应目标检测框架。我们的方法利用图像级别和对象级别的自适应来减少图像风格和对象外观的领域差异。我们的方法利用图像级别和对象级别的自适应来减少图像风格和对象外观的领域差异。为

暗魂b·2024-01-29 06:21

On the Road with GPT-4V(ision): Early Explorations of Visual-Language Model on Autonomous Driving

@[TOC](OntheRoadwithGPT-4V(ision):EarlyExplorationsofVisual-LanguageModelonAutonomousDriving)摘要对自动驾驶技术的追求取决于感知、决策和控制系统的复杂集成。传统的方法，无论是数据驱动的还是基于规则的，都因无法把握复杂驾驶环境的细微差别和其他道路使用者的意图而受到阻碍。这一直是一个重要的瓶颈，特别是在开发安全

这家伙是个好家伙·2024-01-24 12:07

Vision Language Models in Autonomous Driving and Intelligent Transportation Systems

VisionLanguageModelsinAutonomousDrivingandIntelligentTransportationSystems摘要1.介绍2.背景A.AutonomousDrivingB.IntelligentTransportationSystemsC.LargeLanguageModelsD.Vision-LanguageModels3.自动驾驶中的VLMSA.Perce

这家伙是个好家伙·2024-01-24 12:07

LLM4Drive: A Survey of Large Language Models for Autonomous Driving

LLM4Drive:ASurveyofLargeLanguageModelsforAutonomousDriving摘要1.介绍2.MotivationofLLM4AD3.ApplicationofLLM4AD3.1Planning&Control3.2Perception3.3QuestionAnswering3.4Generation3.5Evaluation&Benchmark4.Datas

这家伙是个好家伙·2024-01-24 12:32

【USTC】verilog 习题练习 31-35

因此，应极力避免这样的心态：试着写下一段代码，然后期待其生成正确的电路，如：if(cpu_overheated)thenshut_off_computer=1;if(~arrived)thenkeep_driving

enki0815·2024-01-23 10:42

论文学习——基于查询的workload预测（CMU）

因为要实现数据库self-driving（如选择合适的时机在合适的列上自动创建索引），应该根据将要到来的查询对数据库进行优化，

_zhj·2024-01-21 12:40

【翻译转载】What is a Self-Driving Database Management System

cs.cmu.edu/~pavlo/blog/2018/04/what-is-a-self-driving-database-management-system.html#footnote-cidr概述一些组织和个人错误地将他们的系统标记为

Tototototorres·2024-01-21 12:38

【论文阅读 SIGMOD18】Query-based Workload Forecasting for Self-Driving

Query-basedWorkloadForecastingforSelf-DrivingDatabaseManagementSystemsMySummaryABSTRACTAutonomousDBMS的第一步就是能够建模并预测工作负载，以前的预测技术对查询的资源利用率进行建模。然而，当数据库的物理设计和硬件资源发生变化时，这些指标会发生变化，从而使以前的预测模型无用。提出了QueryBot500

Tototototorres·2024-01-21 11:36

【论文阅读 CIDR17】Self-Driving Database Management Systems

Antruly“self-driving”databasemanagementsystem(

Tototototorres·2024-01-17 19:41

QCA9880: A multi-dimensional engine driving wireless communications

QCA9880,thestarproductofQualcomm'sAtherosseries,hasnowbecomeamulti-dimensionalengineinthefieldofwirelesscommunications,leadingthedevelopmenttrendofwirelesstechnologywithitsexcellentperformanceandwider

Wallytech·2024-01-09 12:32

vivado 不支持的SDC命令

set_clock_transition•set_ideal_latency•set_ideal_network•set_ideal_transition•set_max_fanout•set_drive•set_driving_cell

cckkppll·2024-01-07 03:36

[文献阅读报告]：Take-over Time Prediction for Autonomous Driving in the Real-World: Robust Models, Data Aug

[文献阅读报告]：Take-overTimePredictionforAutonomousDrivingintheReal-World:RobustModels,DataAugmentation,andEvaluation导读:自动驾驶或有条件的自动驾驶（ConditionedAutonomousDriving，CAD）允许将一部分的驾驶任务给予到自动驾驶系统（AutonomousDrivingS

Way_X·2024-01-06 12:33

C#入门详解(15)

这个女生既能开车也能开坦克代码再现：publicclassProgram{staticvoidMain(string[]args){Driverdriver=newDriver(newCar());driver.Driving

weixin_30468137·2024-01-06 04:50

无线感知论文速览 | CRUW3D, Vision meets mmWave Radar: 3D Object Perception Benchmark for Autonomous Driving

R.X. NLOS·2024-01-02 05:44

问题描述：智能驾驶中的FSD是什么意思。

问题描述：FSD在智能驾驶领域通常指的是"FullSelf-Driving"，即全自动驾驶。这表示汽车具备了足够的智能和技术，能够在不需要人类干预的情况下完成所有驾驶任务。

神笔馬良·2024-01-01 17:36

Self-Driving Cars 专项课程-Safety for Self-Driving Cars

Lesson1:SafetyAssuranceforSelf-DrivingVehicles欢迎来到本课程的第三周。本周,我们将深入探讨基础知识关于将安全性融入自动驾驶汽车设计的。本单元中，我们将讨论最近的一些自动驾驶车的碰撞报告，然后我们会正式定义自动驾驶车的安全概念,并讨论最常见的危险源。我们将讨论一些行业对安全性的看法，最后，我们将通过讨论安全系统设计中使用的一些常见框架来总结。在本课中,我

m0_37860076·2024-01-01 14:50

论文精读05：ESEC/FSE22’《Testing of Autonomous Driving Systems: Where Are We and Where Should We Go?》

论文发表在ESEC/FSE2022（CCFA会议）上，作者单位：MacquarieUniversity,Meta,PurdueUniversity本文对自动驾驶系统测试的当前实践和需求进行了实证研究，总结了ADS从业者的七种常见做法和四种常见需求，此外，我们对SE社区的相关ADS测试研究进行了文献综述，并评估了现有工作可以在多大程度上满足这些工业需求。最后，提出了四个未来方向，以构建更好的自动驾驶

祺呆子·2023-12-26 01:24

论文精读06：ISSTA23’《BehAVExplor: Behavior Diversity Guided Testing for Autonomous Driving Systems》

论文发表在ISSTA23上，作者单位：新加坡管理大学、南洋理工大学1摘要测试自动驾驶系统（ADS）是确保自动驾驶车辆可靠性和安全性的一项关键任务。现有的方法主要集中于搜索安全违规，而忽略了生成的测试用例的多样性，这可能会产生许多冗余的测试用例和失败。这种冗余故障会降低测试性能并增加故障分析成本。在本文中，我们提出了一种新颖的行为引导模糊技术（BehAVExplor）来探索自动驾驶汽车的不同行为并检

祺呆子·2023-12-26 01:24

论文精读04：ISSTA23’《Testing Automated Driving Systems by Breaking Many Laws Efficiently》

论文发表在ISSTA2023（CCF-A类会议）上，作者单位：西安电子科技大学，新加坡管理大学。通讯作者：孙军教授（新加坡管理大学）1摘要自动驾驶系统（ADS）作为自动驾驶汽车（AV）的大脑，应该在部署之前进行彻底的测试。ADS必须满足一套复杂的规则以确保道路安全，例如现有的交通法以及未来专门针对自动驾驶汽车的法律。为了全面测试ADS，我们希望系统地发现违反某些交通法规的各种场景。挑战在于（1）交

祺呆子·2023-12-26 01:54

【论文笔记】Cam4DOcc: Benchmark for Camera-Only 4D Occupancy Forecasting in Autonomous Driving Application

Cam4DOcc:BenchmarkforCamera-Only4DOccupancyForecastinginAutonomousDrivingApplications原文链接：https://arxiv.org/abs/2311.17663I.引言现有的基于相机的占用估计方法仅估计当前和过去的占用状态，但自动驾驶汽车需要未来的环境条件。本文提出首个相机4D占用预测基准Cam4DOcc，包含数据

byzy·2023-12-23 15:30

【论文笔记】NeuRAD: Neural Rendering for Autonomous Driving

原文链接：https://arxiv.org/abs/2311.152601.引言神经辐射场（NeRF）应用在自动驾驶中，可以创建可编辑的场景数字克隆（可自由编辑视角和场景物体），以进行仿真。但目前的方法或者需要大量的训练时间，或者对传感器的建模过于简单（导致仿真和真实数据的间隙），或者性能较低。本文提出NeuRAD，一种可编辑的新视图合成模型。该方法可以处理大型自动驾驶场景，建模了重要的传感器特

byzy·2023-12-23 15:28

多模态3D目标检测论文精读：Multi-Modal 3D Object Detection in Autonomous Driving：A Survey

多模态3D目标检测论文精读：Multi-Modal3DObjectDetectioninAutonomousDriving:ASurvey自动驾驶领域中的多模态3D目标检测：调查原文链接论文日期：2023-08-01论文期刊：InternationalJournalofComputerVisionSCI2区，IF：19.5Keywords:3DObjectDetection,Multi-modal

qiang42·2023-12-23 12:50

DrivingDiffusion: Layout-Guided multi-view driving scene video generation with latentdiffusion model

题目：DrivingDiffusion：具有潜在扩散模型的布局引导多视图驾驶场景视频生成摘要随着基于强大且统一的鸟瞰图（BEV）表示的自动驾驶的日益普及，迫切需要具有准确标注的高质量、大规模多视图视频数据。然而，由于昂贵的采集和标注成本，如此大规模的多视图数据很难获得。为了缓解这个问题，我们提出了一个时空一致的扩散框架DrivingDiffusion，以生成由3D布局控制的逼真的多视图视频。在给定

小闫奋斗史·2023-12-17 14:00

【论文解读】UC-NeRF: Neural Radiance Field for Under-Calibrated multi-view cameras in autonomous driving

UC-NeRF：欠校准的多视角摄像头系统的新颖视图合成方法论文：https://arxiv.org/abs/2311.16945代码：GitHub-kcheng1021/UC-NeRF:theofficialpytorchimplementationofUC-NeRF图2：在欠校准的多摄像头系统中，NeRF的质量显著下降（第一行），伴随着颜色不一致（红色框），物体幻影（红色箭头）和错误的几何形状（

LeapMay·2023-12-06 00:37

vue2+typescript使用高德地图2.0版本

高德地图webjsapi2.0官网教程AMap.Driving使用说明//安全密钥window.

新时代_打工人·2023-12-03 15:25

input_transition输入信号的转换时间

直接设置转换时间set_input_transition0.1[get_portsA]图片发自App2采用设置输入驱动能力，驱动能力越大，转换时间越小，驱动能力越小，转换时间越大set_drive或者set_driving_cell

罐头说·2023-11-29 16:50

On the Road with GPT-4V(ision): Early Explorations of Visual-Language Model on Autonomous Driving

自动驾驶技术的追求取决于感知、决策和控制系统的复杂集成。传统方法，无论是数据驱动还是基于规则的，都因其无法理解复杂驾驶环境和其他道路用户的意图而受阻。这一点尤其在开发安全可靠的自动驾驶所需的常识推理和细致场景理解方面是一个重要瓶颈。视觉语言模型（VLM）的出现代表了实现完全自动驾驶的新领域。本报告对最新的VLM——\modelnamefull进行了详尽的评估，并探讨了其在自动驾驶场景中理解、推理和

xwz小王子·2023-11-29 05:47

高翔:《自动驾驶与机器人中的SLAM技术》-Slam_in_autonomous_driving 编译过程中遇到的问题

使用的环境是ubuntu20.04问题1.安装g2o没有问题，不过在编译整个项目工程时候报错：”openmp_mutex.h:30:10:fatalerror:g2o/config.h:Nosuchfileordirectory“:解决办法：只需要将/thirdparty/g2o/build/g2o下的config.h放到/thirdparty/g2o下：问题2.Noruletomaketarge

稻壳特筑·2023-11-28 22:47

论文阅读 | K-Radar: 4D Radar Object Detection for Autonomous Driving in Various Weather Conditions

论文简介本文介绍了K-Radar这一大型4D雷达张量（多普勒-距离-水平角-俯仰角）目标检测数据集。该数据集还包含高分辨率激光雷达点云、来自4个环视相机的RGB立体图像、RTK-GPS和自车的IMU数据。采集场景包括多种道路（城市、郊区、高速路等）、多个时段（白天、夜晚）、多种天气（晴、阴、雨、雾、雪、雨夹雪等），可以验证雷达对天气的鲁棒性。标注信息由激光雷达点云获得，可根据校准矩阵转换到雷达坐标

泡泡枪超人·2023-11-28 15:40

4D Millimeter-Wave Radar in Autonomous Driving: A Survey

题目：4DMillimeter-WaveRadarinAutonomousDriving:ASurvey名称：自动驾驶4D毫米波雷达研究综述论文：https://arxiv.org/abs/2306.042420.摘要4D毫米波雷达能够测量目标的距离、方位、仰角和速度，引起了自动驾驶界的极大兴趣。这归功于其在极端环境中的稳健性以及卓越的速度和高程测量能力。然而，尽管其传感理论和应用研究进展迅速，但

点云兔子·2023-11-28 05:00

高德地图简单api使用例子

，2显示地图控件，3实现点击操作，4数据持久化实现（geojson），5实现覆盖层点击事件，6记录覆盖物点击次数（extData），7显示信息提示框显示（InfoWindow），8推荐路线（AMap.Driving

theOtherSky·2023-11-27 20:38

自动驾驶轨迹规划中的动态窗口算法DWA-Coursera Self-Driving Car课程学习笔记

参考Coursera自动驾驶课程-DWA算法北京理工大学无人车课程Mooc本文为该课程的学习笔记1.学习目标了解如何在自行车模型上增加线性/角加速度约束了解这些约束如何影响我们的规划器在规划过程中用动态窗口法处理这些约束2.运动学自行车模型输入是纵向速度和转向角运动学方程没有考虑更高阶的加速度，这是导致车内乘客舒适性的主要原因。3.自行车模型+加速度约束我们可以通过为自行车模型允许的线性和角加速度

wujiangzhu_xjtu·2023-11-27 00:22

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

摘要多模态融合是自动驾驶系统感知中的一个基本任务。然而，由于原始数据的噪声，信息的未充分利用和多模态传感器的失调，实现一个相当好的性能并不是一个容易的事情。在这片文章中，作者对于现有的基于多模态自动驾驶感知任务方法进行了文献综述。作者对于超过50片论文进行了一个详细的分析，利用感知传感器（包括激光雷达和相机）试图解决目标检测和语义分割的任务。与传统的融合模型分类方法不同，作者提出了一种创新的方法，

qaaaaaaz·2023-11-22 01:43

Deep Learning for Image and Point Cloud Fusion in Autonomous Driving: A Review（自动驾驶图像点云融合深度学习综述）论文笔记

原文链接：https://arxiv.org/pdf/2004.05224.pdfII.深度学习的简要回顾B.点云深度学习本文将点云深度学习方法分为5类，即基于体素、基于2D视图、基于点、基于图以及基于索引/树的方法。（2）基于索引/树的方法引入树状数据结构（如kd树、八叉树），自适应地划分分辨率，减小计算量。通过建立不平衡的树，可以根据点云密度划分区域。这样，点密度低的区域可以有低分辨率。根据树

byzy·2023-11-20 07:35

[GPT读论文]LANGUAGEMPC: LARGE LANGUAGE MODELS AS DECISION MAKERS FOR AUTONOMOUS DRIVING

这篇论文的标题是《LanguageMPC:使用大型语言模型作为自动驾驶决策制定者》，它提出了一种新的方法，使用大型语言模型（LLMs）作为自动驾驶（AD）系统中的决策制定组件，特别是在需要人类常识理解的复杂驾驶场景中【63†source】。以下是论文的主要内容概述：1.引言论文指出，现有的基于学习的自动驾驶系统在理解高级信息、泛化到罕见事件以及提供可解释性方面面临挑战。现有系统通常依赖预定义的规则

技术宅学长·2023-11-17 08:51

Talk2BEV: Language-enhanced Bird’s-eye View Maps for Autonomous Driving

论文标题为“Talk2BEV:Language-enhancedBird’s-eyeViewMapsforAutonomousDriving”，主要介绍了一种新型的视觉-语言模型（LVLM）界面，用于自动驾驶情境中的鸟瞰图（BEV）映射。以下是论文的主要内容概述：论文摘要和引言主题：Talk2BEV是一种结合了最新的大型语言模型（LLMs）和大型视觉-语言模型（LVLMs）的系统，用于增强自动驾驶

技术宅学长·2023-11-17 08:15

自动驾驶场景表示向量化方法VAD: Vectorized Scene Representation for Efficient Autonomous Driving

这篇论文提出了一种名为VAD的自动驾驶场景表示向量化方法，旨在提高自动驾驶系统的规划性能和推理速度。以往的方法依赖于密集的栅格化场景表示（例如，代理占用和语义地图）来进行规划，这种方法计算密集且缺少实例级别的结构信息。本文提出了VAD，一种全面向量化的自动驾驶范式，将驾驶场景建模为完全向量化的表示。所提出的向量化范式具有两个显著优点。一方面，VAD利用向量化的代理运动和地图元素作为显式的实例级别规

源代码杀手·2023-11-16 14:11

【论文阅读】Planning-oriented Autonomous Driving

当前的自动驾驶系统是按照顺序的模块组织的，这可能造成误差积累问题，有必要对规划的框架优化，使得感知和预测模块都有助于规划。作者们提出了一个框架UniAD，由四个基于transformer解码器的模块组成感知和预测部分，最后跟一个规划器。Transformer的query用于连通各个模块，来建模驾驶场景中实体的交互。具体如下：BEVFormer：输入是多个相机拍摄的图像序列，将其通过BEVForme

ryb4i·2023-11-12 13:33

【论文笔记】UniPAD: A Universal Pre-training Paradigm for Autonomous Driving

原文链接：https://arxiv.org/pdf/2310.08370.pdf1.引言过去的3D场景理解预训练方法多采用2D图像领域中的想法，可大致分为基于对比的方法和基于MAE的方法。基于对比的方法通过对比损失，在特征空间中将相似的3D点拉进而将不相似的点分开；但正负样本选择的敏感性和增加的延迟使其应用受限。掩膜自编码（MAE）则因为点云数据的稀疏性和不规则性而遇到挑战。本文提出一种新的3D

byzy·2023-11-08 18:32

Trajectory-guided Control Prediction for End-to-end Autonomous Driving论文学习

1.解决了什么问题？端到端自动驾驶方法直接将原始传感器数据映射为规划轨迹或控制信号，范式非常简洁，从理论上避免了多模块设计的错误叠加问题和繁琐的人为规则设计。当前的端到端自动驾驶方法主要有两条独立的研究路线，要么基于规划轨迹来运行控制器，要么直接预测控制信号。端到端模型的预测输出一般有两种形式：轨迹/路径点和直接控制动作。但是，至于哪一种更好仍没有定论。预测控制信号可以直接用于车辆上，而规划轨迹则

calvinpaean·2023-11-05 12:58

Quora上How important is deep learning in autonomous driving?答案的搬运

原题目链接https://www.quora.com/How-important-is-deep-learning-in-autonomous-driving#答案1Deeplearning(DL)isaveryinterestingtechnologyindeedandyesitdoessolveperceptionreallywellhoweverIbelieveit

哀酱·2023-11-04 07:08

matlab实例一之Forward Collision Warning Using Sensor Fusion (视觉和毫米波雷达)

matlab官网介绍见https://ww2.mathworks.cn/help/driving/examples/forward-collision-warning-using-sensor-fusion.html

白色小靴·2023-10-31 23:10

毫米波雷达论文速递 | Dual Radar: A Multi-modal Dataset with Dual 4D Radar for Autononous Driving

R.X. NLOS·2023-10-29 22:48

Active learning Tiny Review for autonomous driving

Introduction阅读某一特定主题的一本书不会使你成为专家，阅读多本包含相似内容的书也不会。真正掌握一项技能或领域的知识需要来自多样化信息源的大量信息。这对于自动驾驶和其他人工智能技术同样适用。负责自动驾驶功能的深度神经网络需要经过详尽的训练，不仅要在日常行程中可能遇到的情况下，还要在希望它们永远不会遇到的异常情况下进行训练。成功的关键在于确保它们受到了正确数据的训练。什么是正确的数据呢？那

CV矿工·2023-10-26 12:04

推荐频道

Driving

【CV论文精读】【协同感知综述】Collaborative Perception for Autonomous Driving ：Current Status and Future Trend

环境配置：Udacity的Self-Driving项目安装运行

Android中直接打开高德地图导航（手机上装了高德地图）

【论文解读】Collaborative Perception in Autonomous Driving: Methods, Datasets and Challenges（协同感知综述）

Threejs in autonomous driving -（2）模型精简

Benchmarking Robustness in Object Detection: Autonomous Driving when Winter is Coming

Domain Adaptive Object Detection for Autonomous Driving under Foggy Weather

On the Road with GPT-4V(ision): Early Explorations of Visual-Language Model on Autonomous Driving

Vision Language Models in Autonomous Driving and Intelligent Transportation Systems

LLM4Drive: A Survey of Large Language Models for Autonomous Driving

【USTC】verilog 习题练习 31-35

论文学习——基于查询的workload预测（CMU）

【翻译转载】What is a Self-Driving Database Management System

【论文阅读 SIGMOD18】Query-based Workload Forecasting for Self-Driving

【论文阅读 CIDR17】Self-Driving Database Management Systems

QCA9880: A multi-dimensional engine driving wireless communications

vivado 不支持的SDC命令

[文献阅读报告]：Take-over Time Prediction for Autonomous Driving in the Real-World: Robust Models, Data Aug

C#入门详解(15)

无线感知论文速览 | CRUW3D, Vision meets mmWave Radar: 3D Object Perception Benchmark for Autonomous Driving

问题描述：智能驾驶中的FSD是什么意思。

Self-Driving Cars 专项课程-Safety for Self-Driving Cars

论文精读05：ESEC/FSE22’《Testing of Autonomous Driving Systems: Where Are We and Where Should We Go?》

论文精读06：ISSTA23’《BehAVExplor: Behavior Diversity Guided Testing for Autonomous Driving Systems》

论文精读04：ISSTA23’《Testing Automated Driving Systems by Breaking Many Laws Efficiently》

【论文笔记】Cam4DOcc: Benchmark for Camera-Only 4D Occupancy Forecasting in Autonomous Driving Application

【论文笔记】NeuRAD: Neural Rendering for Autonomous Driving

多模态3D目标检测论文精读：Multi-Modal 3D Object Detection in Autonomous Driving：A Survey

DrivingDiffusion: Layout-Guided multi-view driving scene video generation with latentdiffusion model

【论文解读】UC-NeRF: Neural Radiance Field for Under-Calibrated multi-view cameras in autonomous driving

vue2+typescript使用高德地图2.0版本

input_transition输入信号的转换时间

On the Road with GPT-4V(ision): Early Explorations of Visual-Language Model on Autonomous Driving

高翔:《自动驾驶与机器人中的SLAM技术 》-Slam_in_autonomous_driving 编译过程中遇到的问题

论文阅读 | K-Radar: 4D Radar Object Detection for Autonomous Driving in Various Weather Conditions

4D Millimeter-Wave Radar in Autonomous Driving: A Survey

高德地图简单api使用例子

自动驾驶轨迹规划中的动态窗口算法DWA-Coursera Self-Driving Car课程学习笔记

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

Deep Learning for Image and Point Cloud Fusion in Autonomous Driving: A Review（自动驾驶图像点云融合深度学习综述）论文笔记

[GPT读论文]LANGUAGEMPC: LARGE LANGUAGE MODELS AS DECISION MAKERS FOR AUTONOMOUS DRIVING

Talk2BEV: Language-enhanced Bird’s-eye View Maps for Autonomous Driving

自动驾驶场景表示向量化方法VAD: Vectorized Scene Representation for Efficient Autonomous Driving

【论文阅读】Planning-oriented Autonomous Driving

【论文笔记】UniPAD: A Universal Pre-training Paradigm for Autonomous Driving

Trajectory-guided Control Prediction for End-to-end Autonomous Driving论文学习

Quora上How important is deep learning in autonomous driving?答案的搬运

matlab实例一之Forward Collision Warning Using Sensor Fusion (视觉和毫米波雷达)

毫米波雷达论文速递 | Dual Radar: A Multi-modal Dataset with Dual 4D Radar for Autononous Driving

Active learning Tiny Review for autonomous driving

高翔:《自动驾驶与机器人中的SLAM技术》-Slam_in_autonomous_driving 编译过程中遇到的问题