驾驶
-
采埃孚的AI算法加快了开发速度并将AI整合到其产品中 英飞凌的 AURIXTM TC4x微控制器通过并行处理单元(PPU)支持AI算法 EEmotion:由德国联邦经济事务和气候行动部联合资助的项目 【2024年10月9日, 德国腓特烈港和慕尼黑讯】 为了在无人驾驶的情况下实现卡车在高速公路上的自动跟车、编队行驶和汽车的自动变道,必须能够精确、快速地计算和执行车辆...
-
近年来,随着科技的飞速发展,自动驾驶技术正逐步从概念走向现实,并在全球范围内掀起了一场新的技术革命。在这场革命中,L3级自动驾驶作为迈向更高阶自动驾驶的关键一步,成为了各大车企和技术提供商竞相角逐的重头戏。本文将深入探讨当前自动驾驶领域的新一轮激战,以及L3级自动驾驶在其中扮演的重要角色。 一、L3级自动驾驶的定义与特点 自动驾驶技术根据自动化程度的不同,被划分为多个等级。...
-
随着科技的飞速发展,自动驾驶技术正以前所未有的速度改变着我们的出行方式。近日,新一批无人化载人牌照的发放,标志着自动驾驶技术再次迎来了重要突破,为未来的智慧出行注入了新的动力。这一举措不仅加速了自动驾驶技术的商业化进程,更预示着出行方式的深刻变革即将到来。 一、无人化载人牌照发放的背景与意义 无人化载人牌照的发放,是自动驾驶技术发展的重要里程碑。这一牌照的发放意味着相关车辆...
-
在当今汽车制造业的浪潮中,自动驾驶技术的革新步伐迅猛,对实时数据流转与高效处理能力的需求急剧上升。光路科技所推出的专业级时间敏感网络(TSN)交换机,通过在比亚迪最新车型中的卓越表现,为该领域的技术进步增添了强劲动力。此款交换机巧妙地突破了传统网络架构在响应延迟及数据精确性上的瓶颈,通过集成TSN协议,构建了一个专为自动驾驶及辅助驾驶系统设计的、既高效又稳定的数据传输与处理平台...
-
自动驾驶 技术作为现代交通领域的颠覆性创新,已经成为全球汽车制造商和技术公司的战略重点。自动驾驶技术的核心在于车辆感知环境的能力,这决定了系统能否在复杂的道路条件下做出安全、有效的决策。当前,感知技术主要分为两大类: 激光雷达 与视觉感知。激光雷达因其能够提供精确的距离和形状信息,在自动驾驶技术早期的开发中被广泛应用。然而,随着 计算机 视觉技术的飞速进步,基于 摄像头 的纯视...
-
随着汽车新四化(智能化、电动化、网联化、共享化)的发展,汽车智能驾驶逐渐进入到普及阶段。 2017年,特斯拉⼀段完全由车辆「自己驾驶」,通过路⼝、识别红绿灯、过弯、变道转向,最后还能「自己」停入车位的视频引爆网络。 虽然这个视频最后被证实是通过剪辑实现的,但不得不说,视频中展示的就是智能驾驶最完整、最⾼阶段的场景功能:从停车场到高速、城区,再到停车场,全程都由系统自己识...
-
本文系统介绍高级驾驶辅助系统(ADAS)和自动驾驶所需的激光雷达、毫米波雷达、超声波传感器和摄像头传感器的原理、功能及区别。 1. 传感器的种类及特征 2. 毫米波雷达的原理和功能 毫米波雷达是通过毫米波段的电波测量距离、相对距离、方向等的雷达传感器。在驾驶过程中向前方发射毫米波段的电波,若前方有车辆,则可收到反射回来的回波。通过分析检测到的反射波频率变化等,检测...
-
起亚与专注于网联车辆和资产管理解决方案的Geotab建立战略合作伙伴关系,旨在将一系列数据解决方案与增强车载技术和创新系统整合在一起。包括路线优化和安全驾驶功能,旨在提高运营效率、安全性及盈利能力。 这家韩国汽车制造商正在开发其“超越汽车的平台(PBV)”系列车型,PBV是一个全面的移动出行解决方案,将契合用途的电动汽车与先进的软件解决方案相结合。2024年1月,起亚在20...
-
(2024年9月29日,上海) 南芯科技宣布推出专为车载摄像头模块设计的高性能电源管理芯片 (PMIC) 系列。 凭借“高集成、高效率、高可靠”的优势,该 PMIC 系列仅用单颗芯片即可实现安全高效的车载摄像头电源管理,助力客户提升 ADAS 系统的集成度,为更高级别的智能驾驶提供支持。该系列均已通过 AEC-Q100 认证,其中,SC6201Q 已实现规模量产,SC6205Q...
-
申请技术丨驾驶监控系统解决方案 申报领域丨智能座舱 独特优势: 1. 平台优势: 大联大世平集团 先进驾驶辅助系列-驾驶监控系统解决方案搭载着 NXP i.MX93 系列芯片,拥有 ASIL-B 等级功能安全,其核心规格包含了Arm® Cortex®-A55 与Arm® Cortex®-M33 两种核处理器能让系统实现多任务且...
-
亿欧发布了《2024中国NOA功能技术发展路线洞察分析报告》,对中国目前的智能驾驶NOA做了一些总结。 从市场规模、技术路线、竞争格局、成本控制、以及未来挑战这几个维度做了一些讨论,我们也根据这篇报告来探讨下2024年中国NOA(Navigation on Autopilot)功能的渗透率将达到近10%,对于智能驾驶技术的需求不断上升,尤其是在高速驾驶和城市场景下,智能驾驶...
-
一,工信部首次新增ETBS 9月20日工信部发布《乘用车制动系统技术要求及试验方法》二次征求意见稿,首次新增ETBS(即我们常说的EMB)系统相关技术要求,这是对乘用车制动系统国家标准的一次重要修订。 EMB是一种先进的颠覆性技术,相比当前主流Onebox电子液压制动方案,进一步取消了液压系统,是真正意义上的线控制动:驾驶员踩踏板,产生电信号,直接传送至电子控制单...
-
近几年激光雷达 厂商 的关注点着重在车载前向远距激光雷达,曾经在L4 自动驾驶 上广泛应用的360° 机械 旋转式激光雷达反而鲜有新品。当然,这是与市场需求匹配的,主机厂需要激光雷达为核心的 智能 驾驶系统,无论是从技术上还是营销需求上来看。于是我们可以看到过去两年间激光雷达大规模上车,并已经成为高阶智驾的标配 硬件 之一。 而在9月中旬,禾赛突然推出了一款全新的旗舰级360°...
-
本次作为迎来“CASE”时代的汽车趋势和技术课题的第三次,我们将介绍面向实际应用和实证实验突飞猛进的自动驾驶和掌控自动驾驶“认知”的识别引擎概要。 开发和实证实验取得进展的自动驾驶功能 自动驾驶功能愈来愈得到了实际应用。2021年7月举办的东京奥运会和残奥会具有里程碑意义。除了已决定在选手村内的移动(循环线路)中引入自动驾驶车辆(4级)外,在羽田机场周围和沿海副中心区域计划...
-
在汽车越来越自动化,半导体成为关键创新因素的世界中,传感器变得至关重要,特别是在处理移动物体时。雷达传感器使用调频连续波(FMCW)技术,即使在极端天气条件下也能可靠地检测移动或静止物体,如汽车、火车、卡车和负载。对于正面吊、叉车等移动的机器以及手推车、机械手和装载机等港口机械,它们也是理想的防撞解决方案。 FMCW在汽车雷达领域的应用范围从安全到舒适功能,包括盲点检测、车...
-
由于采用了多摄像头输入和深度卷积骨干网络,用于训练自动驾驶感知模型的 GPU 内存占用很大。当前减少内存占用的方法往往会导致额外的计算开销或工作负载的失衡。 本文介绍了 NVIDIA 和智能电动汽车开发商蔚来的联合研究。具体来说,文中探讨了张量并行卷积神经网络(CNN)训练如何有助于减少 GPU 内存占用,并展示了蔚来如何提高自动驾驶汽车感知模型的训练效率和 GPU 利用率...
-
近几年激光雷达 厂商 的关注点着重在车载前向远距激光雷达,曾经在L4 自动驾驶 上广泛应用的360° 机械 旋转式激光雷达反而鲜有新品。当然,这是与市场需求匹配的,主机厂需要激光雷达为核心的 智能 驾驶系统,无论是从技术上还是营销需求上来看。于是我们可以看到过去两年间激光雷达大规模上车,并已经成为高阶智驾的标配 硬件 之一。 而在9月中旬,禾赛突然推出了一款全新的旗舰级360°...
-
从输出维度的角度来看,基于视觉传感器的感知方法可以分为2D感知和3D感知两种。 从传感器的数量上看,视觉感知系统也分为单目系统,双目系统,以及多目系统。2D感知任务通常采用的是单目系统,这也是计算机视觉和深度学习结合最紧密的领域。但是自动驾驶感知最终需要的是3D输出,因此我们需要将2D的信息推广到3D。 在深度学习取得成功之前,通常的做法是根据目标的先验大小以及目标处...
-
近日,小马智行 CTO 楼天城近期在接受 36 氪访谈时被问到“Robotaxi 大规模商业化,需要等到世界模型出现之后再到来吗?”这一问题。 楼天城回答称:“这个可能跟端到端都没有关系,或者端到端有帮助但不是最直接的决定。L4 的量产跟成本、运营、政策这些都有关系,如果有世界模型可能会让成本进一步下降,会更好。一些 L2 的说法,我不太认同的根本原因是,今天 L4 已经到...
-
智能驾驶大模型是近年来人工智能领域和自动驾驶领域最为前沿的研究方向之一,它融合了深度学习、多模态融合、世界模型构建等多种技术,有望显著提升自动驾驶系统的性能和鲁棒性。 01 Transformer架构和端到端 Transformer架构是近年来神经网络领域最具突破性的成果之一,它在自然语言处理、计算机视觉等领域取得了巨大成功。 Transformer架构擅长建模远距离...
-
《智能驾驶之激光雷达算法详解》基于3D激光点云的地面分割 激光雷达感知算法是个热点,有空要看看,谢谢分享...
作者:lospring回复:1
-
VoxelNet网络结构清晰,且检测性能也有较大提升,然而,由于其引入了3D卷积,VoxelNet 网络模型的推理速度较慢,很难满足智能驾驶感知模块的实时性要求。...
作者:镜花水月000回复:5
-
总的来说,静态、有标定物的离线标定方法通常可在高精度的标定件中使用;而动态、无标定物的在线标定方法可在自然驾驶场景中使用,并根据离线标定的结果、车辆运动等信息, 实现对离线标定结果的全部参数或部分参数的修正...
作者:镜花水月000回复:0
-
自动驾驶汽车 高精度导航与避障 :激光雷达通过发射激光脉冲并测量反射时间来精确测量周围物体的距离和速度,为自动驾驶汽车提供高精度导航和避障能力。...
作者:申小林回复:1
-
《智能驾驶之激光雷达算法详解》车体的外参标定 非常专业的技术分享,希望能提供后续的更多内容,感谢楼主...
作者:lospring回复:1
-
在自动驾驶平台领域,也有着许多开源平台,其中属Autoware最为著名,可以说,它在自动驾驶界的地位不亚于 Linux 。...
作者:eric_wang回复:2
-
为满足L4级智能驾驶等高级应用场景的需求,学者们还探索了结合高精点云地图的全局定位方法。...
作者:戈壁滩上的辉煌回复:0
-
《智能驾驶之激光雷达算法详解》12、激光雷达 +IMU组合定位 在高效利用IMU与LiDAR数据方面略显不足,且IMU测量误差的累积效应可能削弱算法精度,这是什么原因呢...
作者:戈壁滩上的辉煌回复:1
-
这一过程循环往复,直至覆盖整个行驶周期,结合激光雷达的外部参数校准,最终绘制出车辆在真实智能驾驶场景下的精确轨迹图。在智能驾驶的广阔舞台上,点云扫描匹配技术已绽放出多样风采。...
作者:戈壁滩上的辉煌回复:0
-
《智能驾驶之激光雷达算法详解》10、基于 3D 激光点云的多目标跟踪 实现了目标的自动化匹配、消失目标的智能剔除与新生目标的即时检测,彻底摒弃了传统跟踪方法中的复杂启发式匹配步骤。...
作者:戈壁滩上的辉煌回复:1
-
传统基于人工规则的路沿检测方法,受限于固定的特征点提取与参数设定,难以应对复杂多变的真实驾驶环境与多样的路沿形态,难以满足现代感知系统对精准度与灵活性的追求。...
作者:戈壁滩上的辉煌回复:2
-
《智能驾驶之激光雷达算法详解》空间变换数学基础 空间变换数学是虽然难懂,算法的基础 数学在各个科学领域都是必不可少的,尤其现在人工智能领域,更是数学的天下...
作者:lospring回复:2
-
随着技术的不断发展,激光雷达算法也在不断演进和完善,为自动驾驶、机器人导航等领域提供了强大的技术支持。...
作者:申小林回复:1
-
3、车载激光雷达的应用功能 激光雷达多应用于智能车的感知系统和定位系统中 下图为感知系统流程示例 在记忆泊车、自动辅助导航四驾驶等L2+的智能驾驶中,除了需要进行目标、道路环境的感知检测外,还需要实时确定车辆的行驶位置...
作者:lospring回复:1
-
现在的CPU和GPU算力真的能支撑自动驾驶的需求了吗?现在的自动驾驶算法真的能替代人工驾驶了吗? 而且越复杂的软件可能隐藏的bug越多,硬件电路出故障的概率也比机械结构更高 你敢用自动驾驶吗?...
作者:Nubility回复:16
-
老铁们,谁有自动驾驶相关的软硬件资料啊,求分享,好人一生平安啊 自动驾驶相关的软硬件资料求分享 直接点击上面图片进入链接...
作者:wpz19931212回复:1
-
活动详情: 【《智能驾驶之激光雷达算法详解》】 更新至 2024-09-26 测评报告汇总: @申小林 《智能驾驶之激光雷达算法详解》-激光雷达的实际应用案例以及未来发展趋势 《智能驾驶之激光雷达算法详解...
作者:EEWORLD社区回复:0
-
实时性飞跃 PointPillars 网络革新:在探索自动驾驶感知技术的征途中,VoxelNet 网络的3D卷积引入虽具开创性,却面临推理速度难以企及实时标准的挑战。...
作者:戈壁滩上的辉煌回复:2
-
近年来,ANN经历了几番起伏后重焕新生,其应用领域已广泛拓展至智能驾驶、安防监控、医疗健康及自然语言处理等前沿领域。...
作者:戈壁滩上的辉煌回复:0
-
实验验证,MVC算法兼具卓越的精度与实时性,足以应对智能驾驶领域的广泛需求。...
作者:戈壁滩上的辉煌回复:1
-
本课程是关于深度学习和自动驾驶的综合教程,英语原声,并配有中文字幕。课程内容包括深度学习基础、自动驾驶技术、深度强化学习、计算机视觉及其在自动驾驶中的应用,以及如何利用深度学习感知人类行为。...
课时1:深度学习 课时2:自动驾驶 课时3:深度强化学习 课时4:计算机视觉 课时5:感知人类的深度学习 课时6:自动驾驶机器学习的兴起(Sacha Arnoud .Waymo 技术总监) 课时7:深度学习在自动驾驶领域的应用(Emilio Frazzoli .nuTonomy 首席技术官 ,前MIT教授) 课时8:深度学习在自动驾驶领域的应用(Sterling Anderson .Aurora 联合创始人,前特斯拉Autopilot主管)
显示更多 -
本研讨会邀请到赛灵思和安富利的市场和技术专家给大家详细讲述“全可编程FPGA”在上述新兴市场的解决方案和成功案例,帮助设计者快速开发产品并尽快面市。 直播日程 1. 赛灵思FPGA在 ADAS/AD 的技术方案 2. 安富利视觉方案介绍...
课时1:ADAS / AD 课时2:SDSOC HLS 课时3:Avnet video platform solution
-
“亿航184”由中国国民自主研发,可容纳一位乘客,使用时,乘客在机载应用中指定目的地,便可一键起飞,自动飞往目的地,它采用纯电力驱动,节能环保,折叠后仅占用一个车位的空间。2014年,这个项目在美国众筹网站Indiegogo上线,在两个月里筹得来自世界各地用户支持的86万美元。近期,亿航184登上了...
-
谷歌无人驾驶自行车,安全、智能又环保。可以自动躲避障碍,自动识别红绿灯,自行站立。只要主人动一动客户端,它便会听你差遣。又是一款愚人节发布的产品,大伙儿看这到底是不是真的呢?感谢@谷大白话的字幕...
-
大众于近日发布了一款与众不同的原型车。发布的一条视频显示,一位奶爸正带着一辆婴儿车散步。婴儿车缓缓地跟在他身后,既能自动巡航控制,遇到障碍也会自动刹车。相比于这位奶爸,反倒是旁边的行人显得有些不太镇定啦。...
-
探讨了ADAS的应用及设计趋势 主持人:Stephan Ohr, Gartner Research半导体部总监 发言人:ALTERA: Brian Jentz, 汽车事业部总监 BROADCOM: Ali Abaye博士,PHY/汽车部 高级产品市场总监 CADENCE: Frank Schirrm...
-
测试技术是数控机床、工业机器人、无人驾驶汽车、智能农业大棚和心电图仪等一切自动化测量设备和仪表的基础;其作用相当于机器的感官,机器和自动化测量设备、仪表只有装备了传感器才能有效的感知外部世界,并用信号分析方法提取障碍物距离和机器共振频率等决策信息...
课时2:导学 课时4:测试技术的基本概念 课时5:测试技术的工程应用 课时6:测试技术的发展趋势 课时8:信号的分类与描述 课时9:采样定理 课时10:信号分析中常用的函数 课时11:标准信号的生成 课时12:信号的时域波形分析 课时13:信号的频谱分析1 课时14:信号的频谱分析2 课时15:信号的频谱分析3 课时16:信号的频谱分析4 课时17:信号的频谱分析5 课时18:信号的频谱分析6 课时19:信号的频谱分析7 课时20:信号的幅值域分析1 课时21:信号的幅值域分析2 课时22:信号的时差域相关分析1 课时23:信号的时差域相关分析2 课时24:信号的时差域相关分析3 课时25:信号的时差域相关分析4 课时26:其他信号分析方法 课时28:概述 课时29:电阻式传感器1 课时30:电阻式传感器2 课时31:电阻式传感器3 课时32:电感式传感器1 课时33:电感式传感器2 课时34:电容式传感器. 课时35:磁电式传感器 课时36:压电式传感器 课时37:超声波检测传感器 课时38:霍尔效应传感器,光伏效应传感器 课时39:图像传感器 课时40:热电偶 课时41:光纤传感器 课时42:光栅传感器,生物传感器 课时43:传感器选用原则 课时45:测试系统概论,测试系统静态响应特性 课时46:测试系统的动态响应特性 课时47:典型系统的动态响应 课时49:概述,信号放大 课时50:信号的调制与解调1 课时51:信号的调制与解调2 课时52:信号的滤波1 课时53:信号的滤波2 课时54:信号的滤波3 课时55:信号的滤波4 课时57:计算机化测试仪器概念 课时58:计算机虚拟仪器技术 课时59:计算机测试系统应用实践 课时61:课程总结1 课时62:课程总结2 课时63:课程总结3 课时65:附录1-Matlab信号分析程序设计初步1 课时66:附录1-Matlab信号分析程序设计初步2 课时67:附录2-Arduino传感器信号采集应用1 课时68:附录2-Arduino传感器信号采集应用2
显示更多 -
随着搜索应用程序,图像识别、App应用、成像、医学、无人机和无人驾驶汽车,计算机视觉在我们的社会中已经变得无处不在。许多这样的应用程序,比如:图片分类、定位和检测的核心功能任务都是视觉识别技术完成的。...
课时1:课程介绍 - 计算机视觉概述 课时2:课程介绍 - 计算机视觉历史背景 课时3:课程介绍 - 课程后勤 课时4:图像分类 - 数据驱动方法 课时5:图像分类 - K最近邻算法 课时6:图像分类 - 线性分类I 课时7:损失函数和优化 - 损失函数 课时8:损失函数和优化 - 优化 课时9:介绍神经网络 - 反向传播 课时10:介绍神经网络 - 神经网络 课时11:卷积神经网络 - 历史 课时12:卷积神经网络 - 卷积和池化 课时13:卷积神经网络 - 视觉之外的卷积神经网络 课时14:激活函数 课时15:批量归一化 课时16:更好的优化 课时17:正则化 课时18:迁移学习 课时19:Caffe,Torch,Theano,TensorFlow,Keras,PyTorch等 课时20:AlexNet,VGG,GoogLeNet,ResNet等 课时21:RNN, LSTM, GRU 课时22:语言模型 课时23:图像标注、视觉问答、 Soft attention模型 课时24:分割 课时25:定位 课时26:识别 课时27:特征可视化、倒置、对抗样本 课时28:DeepDream和风格迁移 课时29:Pixel RNN CNN 课时30:变分自编码器 课时31:生成式对抗网络 课时32:策略梯度,硬注意 课时33:Q-Learning, Actor-Critic算法 课时34:深度学习的方法及硬件 课时35:对抗样本和对抗训练 课时36:special篇:特邀对话Ian Goodfellow 课时37:special篇:特邀对话Song Han
显示更多 -
如果您正使用智能手机或者驾驶汽车,使用现代化的家用电器或者在舒适的建筑中工作和生活,甚至观看电影动画,那么您就感受到了Fairchild的力量“Power to Amaze”。...
-
Zynq系列是Xilinx推出的行业第一个可扩展处理平台,旨在为视频监视、汽车驾驶员辅助以及工厂自动化等高端嵌入式应用提供所需的处理与计算性能水平。...
课时1:基于Zynq的视觉工业物联网 课时2:跑在Zynq上的500fps视频应用 课时3:基于Zynq MPSoC的调试器与追踪器 课时4: DAVE嵌入式系统矩阵乘法HLS IP 课时5:Xylon脸部检测演示 课时6:iVeia公司演示Canny边缘检测IP 课时7:ADI DDS HLS IP 课时8:基于Zynq的高级辅助驾驶系统(ADAS) 课时9:基于Zynq SoC的3阶TNPC 课时10:高速图像处理与物体安全识别 课时11:基于FPGA的CPS演示 课时12:即插即用的计算机视觉方案 课时13:基于Zynq的低风险软定义应用开发 课时14:空客智能工具展示 课时15:基于Zynq的云端体验 课时16:基于Zynq的个人身份识别系统 课时17:高级智能图像识别方案演示(识别生日日期) 课时18:Silicon Software方案演示:快速开发视频系统 课时19:QDesys公司基于Zynq SoC 的 EtherCAT快速驱动系统 课时20:KWSoftware公司基于Zynq-7000的可编程逻辑控制器演示 课时21:由Mathworks带来的马达控制设计方法演示 课时22:Sensor to Image公司向您演示高带宽机器视觉设计 课时23:基于Zynq-7000 SoC的可靠的安全系统
显示更多