- 综合排序
- 最热优先
- 最新优先
- 来自专栏鲜枣课堂
为什么自动驾驶需要5G？
Level 4：高级自动驾驶，可解放双眼（eyes off），在一些预定义的场景下无需驾驶员介入。 Level 5：全自动驾驶，完全自动化，不需要驾驶员（driverless）。 你可以将C-V2X看成是连接V2N和V2V/V2I的粘合剂，其依托于成熟的蜂窝网络生态，随着4G向5G的技术演进，将在未来自动驾驶领域发挥关键的作用。 一，基于5G近实时的高清视频传输，V2N和V2V互补（V2N2V），如前所述，让自动驾驶能“看得更远更清楚”，实现100%安全性。 ? 二，5G网络切片技术提供始终如一的QoS保障。 是的，自动驾驶需要5G，但说到最后，对于5G自动驾驶，挑战在哪里？ 想到了两点： 挑战一，网络频繁切换。 总而言之，自动驾驶需要5G，5G是自动驾驶的可靠保证。随着5G网络的不断建设，越来越多的5G车联网试点将会出现。让我们共同期待5G车联网的精彩表现！
1K10发布于 2019-07-20 - 来自专栏大数据文摘
即使达到5级自动驾驶阶段，自动驾驶“卡车”也不可能完全“无人”
事实上，比起全自动驾驶的车队，这个行业更关注可远程操作的无人驾驶卡车。像自动驾驶技术研发商Starsky Robotics和电信设备制造商爱立信这样的公司正在朝着半自动驾驶的方向研发。 而一旦卡车上了高速公路，卡车上安装的传感器和自动驾驶系统将接管卡车驶向目的地。 快速且可靠的无线网络覆盖称为远程遥控的关键点也是难点。 Einride公司提供名为T-pods的自动驾驶卡车，而爱立信与斯堪的纳维亚电信公司Telia合作为其提供了5G网络。 即使拥有一个自动、可靠的驾驶系统，就算达到第五级自动驾驶的水平，远程驾驶员和无人驾驶汽车还是会一起工作的。 第五级自动驾驶意味着车辆是可以完全自动驾驶的。 注：本文将刊登于2019年3月出版的电气和电子工程师学会会刊，题目为《离不开人的自动驾驶卡车》。
57720发布于 2019-03-18 - 来自专栏数据派THU
全民自动驾驶5年内真的会来吗？这是Lyft的自动驾驶2.0
来源：机器之心 本文约2800字，建议阅读5分钟 本文介绍了自动驾驶技术领域的一些困惑。 近日，Lyft 旗下 Level 5 自动驾驶部门的研究者对这一问题进行了深入的探讨。他们提出了自动驾驶领域的「Autonomy 2.0」概念：一种机器学习优先的自动驾驶方法。 已经有一些研究展示了小规模的 SDV 测试，虽然很多预测都认为「仅需要 5 年就可以迎来无处不在的 SDV 时代」，但应看到生产级的部署似乎依然遥不可及。 下图 5 是完全可微的 Autonomy 2.0 堆栈架构，可以从数据进行端到端的训练，而无需设计单个块和接口。其中， d、h、f 和 g 是可学习的神经网络。 观察长尾可能需要收集数亿英里的数据，因为大多数驾驶都是平安无事的，例如在美国，每百万英里大约有 5 起撞车事故 。 应该使用哪些传感器呢？
49120编辑于 2023-03-29 - 来自专栏人工智能快报
丰田投入5亿美元支持优步自动驾驶项目
【概要】日本丰田公司将向优步公司提供5亿美元，以共同推动自动驾驶汽车的开发与应用。 随着日本汽车制造商丰田与网约车公司优步在自动驾驶汽车开发方面的合作日渐扩大，丰田计划向优步投资5亿美元。 该交易是优步自动驾驶业务复兴的一步。2018年3月，一辆自动驾驶的优步SUV汽车在亚利桑那州坦佩(Tempe)发生致命撞车事故，导致一名行人死亡。 优步随后将自动驾驶汽车从道路上撤下，解雇了数百名测试司机，并关闭了位于亚利桑那州的自动驾驶测试中心。 根据与丰田的最新协议，优步将把自动驾驶系统与丰田的监护技术(Guardian technology)相结合。该技术提供了一些自动安全功能，但仍无法实现车辆完全自主驾驶。 优步首席执行官Dara Khosrowshahi表示：这是该公司的第一笔此类交易，我们的目标是在优步网络上部署世界上最安全的自动驾驶汽车，这项协议是实现这一目标的又一重要步骤。
55040发布于 2018-10-24 - 来自专栏CVer
GTA 5真香！哦不，我在用深度学习做自动驾驶
用深度学习当「外挂」，本文将教你如何用 PyTorch 在GTA 5 中训练自动驾驶模型。 所以为什么不能用来训练自动驾驶呢？在新冠疫情期间，我们打游戏的时间不断增加，进而产生了大胆的想法。 项目简介 这是一个使用深层神经网络并运用监督学习实现在 Grand Theft Auto V 中自动驾驶的开源项目。 这里需要指出的是，本项目只是用 GTA V 作为自动驾驶的例子，理论上其可用于任意一款驾驶的电子游戏中。下图为使用训练后模型进行自动驾驶的效果展示。 ? ? 这技术，比玩家都稳？ 单一的图像无法为自动驾驶车辆提供足够的信息。我们需要更多的信息，这就是为什么本项目使用一系列图像作为输入的原因。
2.1K10发布于 2020-04-22 - 来自专栏机器视觉CV
干货 | YOLOV5 训练自动驾驶数据集，并转Tensorrt，收藏！
准备数据集 环境配置 配置文件修改 训练 推理 转Tensorrt 1 准备数据集 1.1 BDD数据集 BDD100K是最大的开放式驾驶视频数据集之一，其中包含10万个视频和10个任务，目的是方便评估自动驾驶图像识别算法的的进展 /yolov5 工程下，修改其中加载模型路径，执行该python文件，得到yolov5.wts，并将其拷贝回 ./tensorrt/yolov5/下。 /yolov5/gen_wts.py into ultralytics/yolov5 // ensure the file name is yolov5s.pt and yolov5s.wts in gen_wts.py build tensorrtx/yolov5 and run // put yolov5s.wts into tensorrtx/yolov5 // go to tensorrtx/yolov5 // /yolov5 -s // serialize model to plan file i.e. 'yolov5s.engine' sudo ./yolov5 -d ..
3.6K10发布于 2020-10-27 - 来自专栏深度学习自然语言处理
分享5篇自动驾驶分割领域论文（附pdf下载）
自动驾驶近些年非常火爆，相关的论文也层出不穷。我整理了5篇自动驾驶分割领域的论文，分享给大家，后面附有pdf下载。 另外还给大家准备了《自动驾驶分割顶会写作方法》 扫码加我，回复“自动驾驶”领取 《自动驾驶分割论文.pdf》 《自动驾驶分割顶会写作方法》 以下是论文写作干货详细大纲 《自动驾驶分割顶会写作方法》 Keras 第5课 常用论文的写作和绘图工具 1. 准备工作 确定方法流程 确定创新点 确定方法细节 2. 撰写方法章节 基本结构 主要内容 段落写作 第6课 回顾和总结 扫码加我，回复“自动驾驶”领取 《自动驾驶分割论文.pdf》 《自动驾驶分割顶会写作方法》
59440编辑于 2022-10-10 - 来自专栏Python项目实战
5G加持自动驾驶：从“聪明”到“智慧”的进化
5G加持自动驾驶：从“聪明”到“智慧”的进化在自动驾驶领域，一个车的“大脑”再聪明，也得跟其他车和外部环境协同作战。如今，5G技术的普及正在成为推动自动驾驶从“聪明车”向“智慧交通”跃升的关键因素。 二、5G如何赋能自动驾驶？5G技术的主要优势体现在超高速率、低时延和大规模连接三方面，对自动驾驶来说，它将带来以下变革：1. 高速数据传输5G网络峰值速率可达10Gbps以上，比4G提高了近100倍。 三、5G赋能智慧交通：从自动驾驶到全局协同有了5G，自动驾驶不再是孤立的单车智能，而是可以融入智慧交通体系，形成“车、路、云”一体化协作：云端计算：自动驾驶车可以依赖云计算进行数据处理和优化，而无需完全依赖本地算力 四、挑战与未来虽然5G给自动驾驶带来了巨大提升，但仍然有一些挑战：5G覆盖问题：目前5G基站仍在建设中，覆盖率有限，尤其在高速公路、偏远地区，仍需完善基础设施。 但无论如何，5G与自动驾驶的结合将成为未来交通的关键趋势。在5G的加持下，自动驾驶不仅仅是“聪明的汽车”，更是“智慧的交通系统”，推动真正的无人驾驶时代到来。
60300编辑于 2025-04-19 - 来自专栏运维
5G+C-V2X及自动驾驶分级标准
5G 第五代移动通信技术（5th Generation Mobile Communication Technology，简称5G）是具有高速率、低时延和大连接特点的新一代宽带移动通信技术，是实现人机物互联的网络基础设施 其中，用户体验速率、连接数密度和时延为5G最基本的3个性能指标。同时，5G还需要大幅提高网络部署和运营的效率，相比4G，频谱效率提升3倍以上，能源效率提升百倍以上。 从支持车辆的自动化能力看，可分为L1～L5共五级。 目前自动驾驶使用的高精度传感器（激光雷达等）和自动驾驶控制芯片价格极其昂贵，离普及还有相当的距离。 完全自动驾驶（Level-5）：可无人驾驶车辆、允许车内所有乘员从事其他活动且无需进行监控的系统。 L0 属于传统驾驶，L1 和 L2 属于驾驶辅助，L3～L5 属于自动驾驶，L5 的自动驾驶技术等级也称为无人驾驶。因此，按照自动驾驶技术等级划分，驾驶辅助<自动驾驶<无人驾驶。
1.4K30编辑于 2022-03-15 - 来自专栏刘旷专栏
特斯拉挺进L5级自动驾驶：操之过急还是资本炒作？
配图来自Canva 前两天，马斯克在世界人工智能产业大会上开幕式上说特斯拉已经非常接近L5级别自动驾驶，并表示特拉斯有望在年内实现L5级别自动驾驶基本功能的开发。 抛开钱的事情，特斯拉所言的L5级别自动驾驶在业内标准下是最高级别的自动驾驶，换言之，L5级别下的自动驾驶可以像一位老司机一样，开车等车停车样样精通，不会吃罚单并真正解放驾驶员。 L5离我们还有多远？ 目前来看，还没有公司宣布已经实现了L5级别的自动驾驶。 马斯克嘴里的L5更多只是设想，即便如其所言实现部分L5级别程度的自动驾驶基础功能，严格意义上也算不上真正实现了L5级别自动驾驶，因为国际汽车工程学会对L5级别自动驾驶的定义是“能在任何条件下实现自动驾驶 有关L5级别自动驾驶能否实现以及何时实现的猜想，业内大佬的看法各有不同。百度创始人李彦宏在今年两会上认为L5自动驾驶还得再等十年左右的时间。
48730发布于 2020-07-15 - 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
SAE International将自动驾驶技术划分为6个级，其中Level 5意味着完全自主驾驶，不需要乘客的任何参与。 1 总的来说，自动驾驶的技术主要包括5个功能模块： 定位（Localization） 感知（Prediction） 预测（Prediction） 规划（Planning） 控制（Control） 定位， 面向大众市场的汽车利润率一般在5%左右，也就是说一辆售价10万元的车，纯利润大概为5000元。而说服客户再多花1000元来购置个TB级的硬盘来存储数据，无疑会让很多客户皱起眉头。 可以说，在5G技术还没普及的情况下，世界上大多数地区的互联网带宽能力都难以满足自动驾驶汽车的需求。 ? 传感器成本问题 自动驾驶汽车一般通过摄像头和激光雷达（LiDAR）来感知周围的环境。 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 - 来自专栏量子位
5亿美元续命！Uber自动驾驶存亡之秋喜获丰田投资
如今，丰田将向Uber投资5亿美元 (约合34亿人民币) ，与之合作开发自动驾驶技术。 ? 这次合作，会把丰田的Guardian技术，整合进Uber的自动驾驶系统，搭载在丰田塞纳车中。 危机接连不断的Uber，今年7月宣布放弃自动驾驶卡车项目，8月传出股东要求公司出售自动驾驶业务。自动驾驶部门风雨飘摇。 丰田此时出现，无疑雪中送炭。 而在自动驾驶技术快速发展的年代，各大车厂都想借此时机进军出行服务领域。 ? 2016年，通用曾向Lyft投资了5亿美元，合作发展自动驾驶，这是车厂和出行服务提供商之间的第一次合作。 几个月后，通用又收购了自动驾驶技术公司Cruise，与Uber、Waymo等成为对手。 今年，菲亚特克莱斯勒与Waymo达成合作，为其提供自动驾驶用车，并计划在2021年推出自己的自动驾驶汽车。 自动驾驶业务也被丰田及时到来的投资保住了。 不过不知道，车祸后暂停的自动驾驶路测，何时才能重新启动。
41950发布于 2018-09-29 - 来自专栏新智元
【快报】AlphaGo后台数据首次公开 | 北京5条地铁将用自动驾驶
来源：nature 4 北京五条地铁将应用自动驾驶系统 北京市政府新闻办举办了“城市精细化管理与应急保障”专项系列成果发布会，披露北京自主研发的全自动运行系统将应用于正在建设的北京地铁燕房线。
85760发布于 2018-03-27 - 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. 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。 5. Apollo定位策略 百度Apollo使用基于GPS、IMU和LiDAR的多传感器融合定位系统，利用了不同传感器的互补优势，提高了定位的稳定性和准确性。
2.7K41发布于 2020-08-04 - 来自专栏GPUS开发者
无人自动驾驶的梦想：Level 2 与 Level 5 之间有着什么区别？
以下介绍了这六类自动驾驶能力，还有我们何时会在路上看到它们。 即使车辆未自动驾驶，也能采取行动来保证驾驶人与乘客的安全。NVIDIA 称此为 Super Level 2 自动驾驶能力，是一项需要庞大运算能力的工作。 Level 5 – 电影《关键报告》里的 Lexus 2054 推出消费型车款的时间：2020年代中期 有了 Level 5 车辆后，在告诉车辆想去的地方后，便无需任何驾驶人的介入。 从城市到越野路况，Level 5 车辆可以变成能在任何情况下驾驶的自动旅行舱，驾驶人能做到的它都能做到，没有任何限制。 尽管 Level 5 车辆可能还要一段时间才会进入消费市场，但是在有限制或封闭的地理区域里，可能很快就会见到接近 Level 5 的车辆出现（严格来说是 Level 4 车辆）。
1.2K50发布于 2018-04-02 - 来自专栏云深之无迹
MathorCup 2022 C题无人驾驶泊车问题.5（自动驾驶工具箱）
我参考的文章和写的代码都上传到了Github，大家感兴趣可以去看看。也不知道会不会侵权。matlab这次让我真的是眼前一亮，我从来没有感觉一个软件可以这么酷炫。我决定了，真的是以后要每天都写200行的代码，为什么还不到400字，混个原创好难啊。
64821编辑于 2022-04-25 - 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）。 5),strides=(2,2) ,activation='elu')) model.add(Conv2D(36, kernel_size=(5, 5),strides=(2,2) ,activation ='elu')) model.add(Conv2D(48, kernel_size=(5, 5),strides=(2,2),activation='elu')) model.add(Conv2D 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 - 来自专栏点云PCL
【系列文章】面向自动驾驶的三维点云处理与学习（5）
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 自动驾驶方案，让读者收获颇多。 【系列文章】面向自动驾驶的三维点云处理与学习（1） 【系列文章】面向自动驾驶的三维点云处理与学习（2） 【系列文章】面向自动驾驶的三维点云处理与学习（3） 【系列文章】面向自动驾驶的三维点云处理与学习 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 5，点云感知 5-A 感知模块概述 5-C 点云感知存在的挑战 随着深度学习的发展，感知模块取得了巨大的进步。一些实践者不再将其视为自动驾驶的技术瓶颈；然而，感知模块还远远不够完善。下面是感知模块中的一系列挑战。 成本高。
88410发布于 2021-03-08 - 来自专栏Vehicle攻城狮
聊聊自动驾驶
身处汽车行业，深感汽车行业的技术革新是迅速的，这次只拿自动驾驶聊聊个人的一些想法和观点，因自动驾驶作为当前热点及未来汽车发展的方向，我们有必要拿出来整理分析一波。 目前自动驾驶的很多技术其实在机器人领域很早就已出现和应用，比如导航定位、机器视觉等，因此自动驾驶可以算是机器人领域应用的一块分支，所以我们也不必过分夸大它有多牛掰。 自动驾驶的分级 对自动驾驶的分级，全球汽车行业公认两个组织提出的：美国高速公路安全管理局（NHTSA）和美国机动车工程师学会（SAE），但在这两者中又以按SAE的分级标准居多，SAE将自动驾驶层级划分为 导航定位技术 导航定位技术是自动驾驶系统的关键和基础，它能反映车辆自主性和智能性，在自动驾驶领域， 导航定位主要采用SLAM技术。 普及依然漫长 关于自动驾驶，正如英国 Millbrook 试验场首席自动驾驶汽车工程师 Peter Stoker所说：“如今，有关自动驾驶的炒作从来没有停止，但我们必须明确告诉大家，自动驾驶汽车并不会在未来几年中大量出现在人们的生活中
61220编辑于 2022-04-19 - 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