- 综合排序
- 最热优先
- 最新优先
- 来自专栏点云PCL
TJ4DRadSet：自动驾驶4D成像雷达数据集
摘要 下一代高分辨率汽车雷达（4D成像雷达）可以提供额外的高程测量值和更密集的点云，在自动驾驶中具有巨大的三维传感潜力，本文介绍了一个名为TJ4DRadSet的数据集，其中包含4D成像雷达数据用于自主驾驶研究 与相机和激光雷达相比，很少有自动驾驶数据集包含4D雷达，这限制了深度学习在4D雷达点云中的研究和应用，为了填补这一空白，我们提出了一个名为TJ4DRadSet的自动驾驶4D成像雷达数据集。 我们的贡献如下： 提出了一个名为TJ4DRadSet的数据集，这是一个自动驾驶数据集，包含连续序列的4D雷达点云和3D标注内容，还提供了激光雷达、相机和全球卫星导航系统的多模态完整信息。 图4（b）显示了自我车辆的速度分布，激光雷达和4D雷达的点云密度分布如图4（c）（d）所示。可以看出，4D雷达点云比激光点云稀疏，但雷达点包含更多特征，例如多普勒速度。 图6显示了一些典型的场景 总结 本文介绍了包含4D雷达点云的多模式自动驾驶数据集TJ4DRadSet，该数据集用于研究基于4D成像雷达的3D感知算法，对数据集进行了详细描述，并进行了基线实验，未来，我们将进一步扩展数据集
1.8K20编辑于 2022-12-27 - 来自专栏机器之心
自动驾驶卡车最可能实现Level 4，2022年依然等待自动驾驶汽车
自动驾驶汽车的现状 尽管 2021 年10月特斯拉发布了AutoPilot全自动驾驶（FSD）功能，但应承认，全自动驾驶汽车仍未出现。 但是，最有可能具备Level 4功能的是自动驾驶长途卡车。Hancock认为，由于全球卡车司机短缺，可能会更有力地推动自动驾驶卡车的开发，至少在美国州际公路上是这样。 事实上，自动驾驶技术初创公司Aurora Innovation宣布它正在建立一个Level 4自动驾驶系统，并计划在2023年推出自动驾驶卡车业务，2024年推出自动驾驶叫车业务。 该公司表示，Waymo Driver自动驾驶技术在很大程度上是按照L4自动驾驶准则运行的，并细化了包括车道标记、交通标志、信号灯、路边石和人行横道等在内的地图。 「在SAE L4自动驾驶应用的典型实现中，远程操作人员不需要连续控制车辆，而是需要执行或触发自动控制逻辑中已经配置的适当的最小风险操作，」Krithivasan解释道。
50720编辑于 2022-03-22 - 来自专栏3D视觉从入门到精通
L4级自动驾驶硬件方案来啦！
编辑丨计算机视觉life 如何保证L4级自动驾驶系统的普适性，同时找到自动驾驶车辆成本、规模化之间的平衡点？ 近日，此前已经在自动驾驶网约巴士（Robobus）领域打出声量的轻舟智航推出了全新的Driven-by-QCraft第三代L4级自动驾驶硬件方案，在适配多种车型的同时，做到了高效与场景通用。 在NVIDIAGTC大会上，他们又宣布牵手英伟达，在Driven-by-QCraft硬件方案中率先使用英伟达的DRIVE Orin芯片，让L4级自动驾驶的计算平台迈向量产车规级，这也意味着轻舟智航成为首个使用 NVIDIA DRIVE Orin的L4级自动驾驶通用方案公司。 从整体功耗比来说，基于NVIDIA DRIVE Orin的各级计算平台可达到的区间是 2-3 TOPS/W，这个效率也将助力L4级自动驾驶车辆的大规模落地。
1.2K50发布于 2021-11-19 - 来自专栏人工智能的秘密
国内自动驾驶企业在美国首秀其最新L4级自动驾驶货运卡车
美国东部时间1月9日，在国际消费电子展 (CES 2018)上，国内自动驾驶企业图森未来携最新 L4 级 (SAE) 自动驾驶卡车在CES上正式亮相。 这是年内即将在亚利桑那州路测的最新 L4 级自动驾驶卡车的美国首秀。 图森未来致力于研发L4自动驾驶货运卡车整体解决方案，通过使用多个摄像头，能够实现200米范围内的检测、跟踪和距离估算；采用视觉定位和多传感器融合技术，结合高精地图，让车辆即使在隧道中也能实现分米级精准定位 在国内，图森基于陕汽X6000研发的L4级自动驾驶货运卡车已在陕西、河北、上海等地进行了上万公里的路测。 本次CES上，图森未来还展示了其L4自动驾驶卡车在河北曹妃甸路测的视频。视频中，坐在驾驶座上的安全员可以随意翻书、喝水，卡车交由自动驾驶系统开车。
1K90发布于 2018-01-15 - 来自专栏解决方案
浅析自动驾驶感知任务的4D 标注关键技术
今年各大车企纷纷加入端到端决战中，端到端模型训练需要大批量的4D标注数据，如何高效的产生大量的4D标注数据是当今的技术难点和热点，依赖于传统的人工标注针对大量的数据标注任务已经不太现实。 本文结合日常工作和业界通用的解决方案聊聊4D数据处理产线搭建的难点和关键技术实现。 在自动驾驶分段端到端大模型技术的驱动下，4D感知任务标注技术随之衍生，目前各大供应商基于模型持续迭代其工艺。 自动驾驶分段式端到端模型需要大量的多模态的数据，标注工艺的复杂度和效率是当前4D-Label的主要难点，提供给感知的数据首先考虑的是质量、数量和多样性。 三、面向采集场景的4D-Label数据多模标注方案 完整的数据产线对数据迭代效率至关重要，自动驾驶感知数据产线主要包含数据采集、数据合规、数据云端上传、数据预处理、数据预标注、数据人工标注、数据质检、数据验收
2.2K20编辑于 2024-09-30 - 来自专栏量子位
横竖都是文远知行，L4自动驾驶不讲武德
贾浩楠 发自 副驾寺 智能车参考 | 公众号 AI4Auto 两个领域的头部联手，开创L4自动驾驶落地量产车高阶智能驾驶新局面。 并且对于文远知行来说，该项合作官宣后，也意味着其L4级自动驾驶技术，在横向接二连三落地商用后，纵向的降维释放也正式开始。 文远知行，已经驶入自动驾驶商用落地新海域。 以L4自动驾驶著称的文远，并非“另起炉灶”打造L2、L3系统，而是其WeRide ONE的一以贯之。 涵盖自动驾驶出租车、自动驾驶小巴、自动驾驶同城货运车及自动驾驶环卫车在内的多款L4级自动驾驶产品。 只是这样的头部玩家强强联手，自然不会只是孤例个案，背后涌动的是整个自动驾驶行业的新进程、新状态。 文远知行代表的L4自动驾驶新进程 一叶知秋，见微知著。
38140编辑于 2022-05-30 - 来自专栏点云PCL
Cam4DOcc: 基于摄像头的4D占据网格预测的自动驾驶应用
可以预测自动驾驶领域中下一个重要的挑战将是仅使用摄像头进行4D占据预测。这项任务旨在不仅通过摄像头图像扩展时间上的占据预测，还要在BEV格式和预定义类别之外拓展语义/实例预测。 （2）通过利用该领域中现有数据集，为自动驾驶场景中的预测任务提出了一种新的数据集格式。 （3）为基于摄像头的4D占据预测提供了四种新颖的基线方法。 Cam4DOcc与先前的任务不同，更专注于可移动对象的体素状态的持续变化，强调在自动驾驶应用中更多地关注交通参与者的运动特性。 图4：我们提出的OCFNet的系统概述 实验 研究使用了Cam4DOcc基准，对提出的基线（包括我们的OCFNet）在自动驾驶场景中进行4项任务的占据估计和预测性能进行了评估。 总结 本文提出了一种新的基准，即Cam4DOcc，用于自动驾驶应用中的新任务—仅利用摄像头进行4D占据预测。具体而言，首先基于几个公开可用的数据集创建了新格式的数据集。
62710编辑于 2023-12-14 - 来自专栏量子位
长途货运4大痛，Uber新上的「自动驾驶卡车」如何改善？
不少人对自动驾驶存在误解。 以为有了这个技术之后，很多司机就被替代掉了。大量以运输为生的司机将会面临失业。 还有人担心自动驾驶技术的安全问题，认为这个技术还没有足够成熟。 要知道，自动驾驶技术，至少目前就货运行业来说，暂时只能应对场景相对单一的高速路段行驶环境。而货物的转运，还是需要司机来手动操作。 有了自动驾驶卡车之后，Uber反而需要更多的司机？ 当前卡车司机的4大痛 不是从事这一行的人，不知道长途货运卡车司机的工作现状存在以下4大痛点： 1）很难找货源，回程空运； 2）疲劳驾驶，危险系数太高； 3）路途太长，没时间没手吃饭； 4）长年不能回家， 所以正常情况下，卡车司机能把车交给自动驾驶系统。释放出双手，就不用在顿顿吃泡面了。 ? 也就是说，有了自动驾驶技术，一下解决了上述的第2，3条，两个痛点。 “Uber集团会负责监督旗下所有自动驾驶的业务，自动驾驶车辆目前共计行驶200万英里。”Uber自动驾驶卡车的产品负责人，Alden Woodrow说。
1K90发布于 2018-03-20 - 来自专栏量子位
2022年L4自动驾驶年度答卷，真「无人」笑到最后
金磊 贾浩楠 发自 凹非寺 量子位 | 公众号 QbitAI L4自动驾驶，今年走到了“大洗牌”、“大变局”的时刻。 一半是寒冬。 平台型自动驾驶明星Aurora、背靠福特和大众的Argo……今年都先后传出裁员或破产的消息，还有不少之前专注Robotaxi的企业，转轨做起了乘用车辅助驾驶。 资本对于L4的故事，变得无比谨慎。 百度Apollo、Waymo、Cruise这三个在L4商业化落地进展最快的玩家，都展现出相同的特质。 背靠巨头只是其一，更本质的，是他们的落地项目以“全无人”为前提。 比如在湖北武汉，你可以通过萝卜快跑App叫到全车无人的自动驾驶汽车，而这背后的技术就来自百度 Apollo。 为什么“全无人”是L4级以上自动驾驶技术落地的关键？ 这背后，既有Apollo讲L2、L4打通的自动驾驶数据闭环，也有百度在AI领域的其他积累打下的基础。
50120编辑于 2023-02-28 - 来自专栏人工智能快报
美初创公司将推出售价4万美元的自动驾驶汽车
【概要】美国一家名为PerceptIn的初创公司表示将在11月推出售价仅4万美元的自动驾驶汽车。 虽然自动驾驶汽车不再像以前那样昂贵，但它们相较中档家用轿车而言并不具备竞争力。 刘绍山（音）博士表示并不一定会是那样。 PerceptIn于2018年9月12日解开了DragonFly Pod的面纱，这是该公司将于11月上市销售的自动驾驶汽车，售价仅为4万美元。“我们希望打造价格合理且可靠的自动驾驶汽车，”刘博士说道。 “我们的愿景一直是将机器人化和自动驾驶的好处带给所有人...而不仅仅是少数特权阶层。” “人们常说，制造自动驾驶汽车与制造火箭同样困难和不切实际，但我们不这样认为，”刘博士说道。“我们已经简化了整个过程，让制造自动驾驶汽车与使用乐高积木堆砌建筑没有太大的不同。”
55730发布于 2018-10-24 - 来自专栏机器人网
路虎开发Level 4自动驾驶技术：计划未来10年投入商用
近段时间，路虎正在开发它的自主城市驾驶系统(Autonomous Urban Drive System)，希望能在未来10年内为车主们带来SAE标准下的Level 4自动驾驶。 Level 4意味着汽车可以监控周围环境并在特定模式下实现自主驾驶，但人类驾驶员可在想要操控汽车的情况接手。 ? 另外，它甚至还能自行遵守红绿灯，这是目前其他半自动驾驶汽车都不曾尝试过的东西。 自主城市驾驶系统还将能规划行驶路线：乘客设定好目的地，系统挑出最佳路线。 ?
60040发布于 2018-04-25 L4级自动驾驶提速，制造链可以提前做哪些升级？
该系统可助力企业开发并部署L4级辅助驾驶与自动驾驶功能，在预设区域或条件下实现完全无人驾驶，无需人工干预。这一动向标志着高阶自动驾驶正从技术验证迈向规模化落地。 然而，L4级系统对车辆的可靠性要求远非传统汽车可比——在取消人工干预的前提下，每一个传感器、每一个控制单元、每一个连接点都必须做到万无一失。这就对制造链的各个环节提出了前所未有的精密要求。 芯片端L4级自动驾驶依赖强大的计算平台，DRIVE AGX Thor等高性能芯片需要在严苛的车规环境下长期稳定运行。在芯片封装环节，引线框架与塑封料的结合质量直接影响封装可靠性。 传感器端L4级自动驾驶依赖摄像头、激光雷达、毫米波雷达等多传感器融合。这些传感器的光学部件——镜头、滤光片、激光雷达窗口、雷达天线罩——对表面洁净度有着极致要求。 未来展望L4级自动驾驶的商业化落地，不仅需要算法的突破，更需要制造链每一个环节的可靠性保障。
16510编辑于 2026-03-20- 来自专栏决策智能与机器学习
【自动驾驶专题】|自动驾驶技术概况及挑战
而现阶段，大多数汽车则处于Level 2和Level 3之间，可见自动驾驶技术还任重道远。 ? 下图一目了然的展示了自动驾驶汽车相关的软、硬件技术。 当然，让自动驾驶汽车真正走入现实，还需要克服一系列的软、硬件上的技术难关。 现阶段，主要面临的有以下几点挑战。 数据存储 自动驾驶汽车会产生海量的数据。 根据Intel的预测，一辆自动驾驶汽车一天会生成约 4TB 的数据。如果路上有2500辆汽车运营的话，一天产生的数据量则是1PB。如此庞大的数据，采用什么数据结构进行存储和查询，也是个难题。 ? 假设你以50Mbit/s的网速上传数据，理论上讲上传4TB数据需要约24小时。如果你有很多辆车同时上传信息，那么相应的，带宽需要线性的增加。 但现阶段的自动驾驶技术，激光雷达对大多数环境感知都是必需的，它仍将是制造Level5级自动驾驶汽车昂贵的“拐杖”。
1.5K10发布于 2020-08-04 - 来自专栏决策智能与机器学习
【自动驾驶专题】| Apollo自动驾驶 |定位技术
对于自动驾驶汽车，加速度可以用三轴加速度计来测量。但仅使用加速度计还不足以计算我们的位置和速度。加速度计是在车辆坐标系记录中进行测量，我们需要知道如何将该测量值转换到全局坐标系。 但是，即使将二者结合使用，也不能完全解决自动驾驶的定位问题。比如，我们在山中或者地下隧道中行驶时，可能会长时间没有GPS更新，这会让整个定位系统面临失效风险。 3. 4. 视觉定位 对于自动驾驶汽车，图像是收集起来最简单的数据类型。摄像头便宜且种类繁多，而且易于使用。 我们能够使用图像来定位汽车吗？事实上，单纯通过图像来实现车辆精确定位非常困难。
2.7K41发布于 2020-08-04 - 来自专栏决策智能与机器学习
【自动驾驶专题】|小白都会玩的自动驾驶算法
今天，我们介绍一个可实现自动驾驶的简单算法。 模型包含5个卷积层、1个Dropout层和4个压缩层（Dense layer）。 可以看到，本算法实现了基本的自动驾驶功能，非常适合于初学者进行尝试。
91810发布于 2020-08-04 - 来自专栏DataFunTalk
L4自动驾驶中感知系统遇到的挑战及解决方案
同时通过4个广角的摄像头来覆盖相机360度的视野。远处的视野通过前向的毫米波雷达以及长焦的相机，将感知距离扩到200米的范围。 这套传感器配置能保证我们的自动驾驶车辆在居民区、商业区、工业区这样的场景进行自动驾驶。 18年9月份世界人工智能大会上推出的第3代的传感器配置方案。 前边的相机两个广角，一个长焦。 比如说我们有4个相机，能够通过激光雷达去保证时间同步。 3D和2D彼此互补，二者更好的融合能够对感知会有更精确的输出。 自动驾驶系统在一些特殊的或者恶劣的天气条件下，处理是非常难的。 比如，激光雷达是能打到水花的。图中白色的是对水花的filter。如果不能对水花进行准确的识别和过滤，会对自动驾驶车辆造成麻烦。 人类司机可以很容易超过洒水车，但是对于感知系统来说，需要花很多的时间去处理和识别这类场景和车辆，最后让自动驾驶车辆在遇到类似场景获得更好的体感。
1.2K20编辑于 2022-04-21 - 来自专栏镁客网
韩国现代汽车成功实测L4级别自动驾驶汽车 | 热点
这是韩国现代汽车首次在超过100公里的路程下，行驶速度达到法定最高限速的自动驾驶实测。 据国外媒体消息，近日，韩国现代汽车公司对3辆氢燃料汽车和2辆捷恩斯汽车进行了无人驾驶实测。 本次参与测试的两款车型均符合美国汽车工程师协会（SAE）规定4级标准，即汽车在没有驾驶者干预下自动行驶，驾驶者仅需实时监测路况。 这是韩国现代汽车首次在超过100公里的路程下，行驶速度达到法定最高限速的自动驾驶实测。从实测过程来看，驾驶者坐在车内仅需按下巡航和设定键，汽车便可自行驾驶。 另外据报道，在实测中，韩国总统文在寅作为第一批乘客试乘了现代汽车研发的自动驾驶氢燃料电池汽车“NEXO”，汽车在京釜高速连续自动行驶了10公里，用时15分钟。
41330发布于 2018-05-29 - 来自专栏量子位
“大大震惊”一位CTO：GPT-4V自动驾驶五连测
编者按： GPT-4V的到来，给AI又带来了无限可能。近日，图森中国CTO王乃岩在知乎发表的《GPT-4V在自动驾驶中初探》引发了不少关注。在多项测试之后，他本人表示“大大震惊了我们”。 核心观点： 我认为自动驾驶中和语义相关的问题应该大模型都已经解决得很好了，但是大模型的可信性和空间感知能力方面仍然不尽如人意。 使用CoT之后问题发现问题是在于并不了解这辆车是个自动驾驶车辆，故通过prompt给出这个信息能给出比较准确的信息。 最后通过一堆prompt，能够输出新铺设沥青，不适合驾驶这样的结论。 总结 快速的一些尝试已经完全证明了GPT4V的强大与泛化性能，适当的prompt应当可以完全发挥出GPT4V的实力。 非常exciting，个人认为合理使用这样的大模型可以大大加快L4乃至L5自动驾驶的发展，然而是否LLM一定是要直接开车？尤其是端到端开车，仍然是一个值得商榷的问题。
34410编辑于 2023-10-18 - 来自专栏点云PCL
【系列文章】面向自动驾驶的三维点云处理与学习（4）
写在前面 这篇文章在可以说是很完整的介绍了点云在自动驾驶中各个模块的角色，从宏观的分模块的介绍了点云在自动驾驶中的作用与应用，看完整篇文章，将不仅对自动驾驶技术有了更为全面的理解，并理解点云在自动驾驶中的重要性 2-C 代表性的工具 3、高精地图的创建以及三维点云的处理 3-A 高精地图创建模块概述 3-B 三维点云的拼接 3-C 点云语义特征的提取 3-D 地图创建面对的挑战 4、基于点云定位的处理 4-A 定位模块的概述 4-B 基于地图的定位 4-C 点云定位存在的挑战 5、点云感知 5-A 感知模块概述 5-B 3D点云物体的检测 5-C 点云感知存在的挑战 6、总结与扩展问题 6-A 学术界与工业领域的关系 6-B 定性结果 4，基于点云定位的处理 4-A 定位模块的概述 如第1-B节所述，定位模块的作用是定位出自动驾驶车辆相对于高精地图中相对参考位置的位置。 4-C 点云定位的挑战 定位模块的挑战是在极端场景中工作时的不确定性，例如，当自动驾驶车辆在没有虚线车道标志的直行隧道中行驶时，几乎没有几何和纹理特征，导致激光雷达无法进行地图配准；当自动驾驶车辆被大卡车包围时
65230发布于 2021-03-04 - 来自专栏决策智能与机器学习
自动驾驶汽车控制模块简介 | 【自动驾驶专题】
自动驾驶汽车先使用感知模块了解其环境，并通过定位模块了解其在环境中的位置，然后使用规划模块进行决策并生成轨迹。 在自动驾驶中应用MPC，首先需要定义执行器，以表征移动车辆的元素。汽车有三个执行器：方向盘，加速踏板和制动踏板。MPC的目的是通过改变上这些致动器发挥方向盘的角度，则在加速器踏板压力或制动踏板。 MPC控制器可以允许车辆在保持安全的同时达到更快的速度，使自动驾驶更有乐趣。 结 语 对于我们想要自主的机器人和无人机，控制阶段是强制性的。
2.5K30发布于 2020-08-04
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号