- 综合排序
- 最热优先
- 最新优先
- 来自专栏IT派
自动驾驶行业未来将价值7万亿美元
导语：自动驾驶车辆可以在10年之内挽救50万人的生命。 各个汽车制造商、初创公司和科技巨头都在竞争部署自动驾驶车辆。 根据英特尔6月1日发布的一项研究，自动驾驶行业将带来每年 7 万亿美元的收入，这就是竞争的目的。 英特尔说，不为自动驾驶做准备的公司将面临失败甚至关张的风险。 被英特尔称为“乘客经济”的概念，包括由完全自动驾驶车辆所提供的产品和服务带来的直接经济价值，以及像节省时间这样的间接价值。 这不是人们第一次尝试估算自动驾驶车辆的经济价值，也不会是最后一次。 当然，对于自动驾驶前景的乐观预测，英特尔与之利益相关。 并且，英特尔正在与宝马公司合作在今年晚些时候推出可以上路行驶的自动驾驶车辆。 所以当这个由英特尔出资的研究结果表明自动驾驶车辆“钱景”无限时，它其实是行业分析和英特尔美好愿望的混合体。
60180发布于 2018-03-29 - 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。 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”。 极端案例的获取 自从Uber和Tesla自动驾驶车辆卷入交通事故后，制造商意识到获取极端案例对训练自动驾驶汽车的重要性。极端案例（Corner Case），只在特殊情况下出现的路况。 黑箱问题不解决，难以让监管机构相信自动驾驶汽车是足够安全的。 ? 以上是自动驾驶汽车所面临的一些基本问题，还需要大量的资金投入和研究人员来解决。
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. 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。 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 - 来自专栏新智元
自动驾驶终极幻想发布！手握7亿订单，这辆无人车竟然会半夜「变身」
今年他们不光发布了多款自动驾驶产品，更是手握近7亿订单，海外市场在手合同额翻了5倍。 随后，他们关注自动驾驶技术的商业化，发力商用车，在2018年底拿到含金量颇高的上海自动驾驶卡车测试牌照，并最终选择城市道路清扫车（卡车底盘）作为第一个商业化场景。 根据官方介绍，Autowise.ai自动驾驶车辆经过乘用车、商用车、自研自动驾驶清扫车V3及Roboard-X四个发展阶段。 Autowise.ai EMEA地区销售负责人 Mario Pepe 7亿订单在手，商业化成果喜人 去年Q1，Autowise.ai实现了营收及在执行合同的十倍速增长，国际业务也在去年实现了飞跃式增长： 技术产品逐渐成熟，资本加持，商业成果高速增长可期 扎实的技术实力和多年商业化运营的丰富经验，Autowise.ai已经完成了技术迭代和商业营收的正向循环，包括V3在内，Autowise.ai在手订单已全面突破7亿元
42530编辑于 2023-02-24 - 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 - 来自专栏决策智能与机器学习
【自动驾驶专题】| Apollo自动驾驶 | 高精度地图
百度的Apollo自动驾驶系统使用了高精度地图。下面我们进行详细介绍。 高精度地图 Vs 传统地图 在你开车时，你是否发现导航地图会向显示一条或几条推荐路线？
1.8K32发布于 2020-08-04 - 来自专栏DataFunTalk
自动驾驶技术沙龙—让自动驾驶重卡开进现实
沙龙主题：自动驾驶技术沙龙—让自动驾驶重卡开进现实 头部自动驾驶公司已经从Demo阶段开始迈入了量产阶段，在自动驾驶重型卡车的量产之路上，对车载的软件系统和硬件平台都提出来很高的要求。 本期沙龙，DataFun邀请智加科技的5位技术专家，将为您就自动驾驶各个模块做深入的技术分享。
1.3K11发布于 2019-11-21 - 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 - 来自专栏企鹅号快讯
自动驾驶五问
2017年9月，美国众议院通过了美国首部自动驾驶汽车法案（H.R.3388），该法案的通过标志着自动驾驶进入了一个新的历史时期。 在新的历史时期之下，我想问自动驾驶五个问题。 解答：基于摄像头、雷达的自动驾驶技术再结合上5G、V2X，每一辆自动驾驶汽车将变成在互联网上一个快速移动的节点。 第三阶段，有条件自动驾驶——根据路况条件所限，必要时必须交由驾驶员驾驶。 第四阶段，高度自动驾驶——自动驾驶系统完成所有驾驶操作，驾驶员可以不接管车辆。 问题五：自动驾驶对汽车生态的主要影响是什么？ 答：电动+自动驾驶、服务+自动驾驶、车居+自动驾驶。 以上是我对自动驾驶的五问，如有你对自动驾驶也有这样或那样的问题，欢迎你在留言区留言。
84680发布于 2018-01-19 - 来自专栏深度学习和计算机视觉
自动驾驶技术简述
未来，高度自动驾驶将被哪些企业所主导，目前尚看不出端倪。不过，对于L3级以下的自动驾驶，也就是ADAS（高级驾驶辅助系统）的主要市场，博世、大陆、电装以及奥托立夫等企业占据了绝大部分的全球市场份额。 ，而高度自动驾驶恰好也依赖这三层架构。 对于自动驾驶汽车来说，由于需要完成大量的运算，域控制器一般都需要搭载一个运算能力足够强的处理器。目前，在业内能够为自动驾驶提供算力支持的企业不外乎英特尔、英伟达、恩智浦、英飞凌等。 毕竟，高精度地图是实现高度自动驾驶所必备的条件之一。 L5的自动驾驶技术研发。
99020发布于 2019-12-25 - 来自专栏机器之心
@黄教主：马斯克说，特斯拉最新自动驾驶芯片性能是英伟达的7倍
机器之心报道 参与：张倩、杜伟 在近日举行的特斯拉自动驾驶开放日上，马斯克称特斯拉造出了「全世界最先进的自动驾驶计算机」。 FSD（full self-driving）芯片，这款芯片由特斯拉研发，由三星代工生产，其神经网络运算速度将达到 144 TOPS，秒杀英伟达 Drive Xaiver 的 21 TOPS，是后者的 7 特斯拉的全自动驾驶计算机内部图。 特斯拉在 2018 年 7 月份开始量产这款高品质芯片的组件，并在 2018 年 12 月份开始使用 FSD 计算机改装员工用车。 不过，英伟达也对特斯拉表示了赞赏，称其「提高了自动驾驶计算机的门槛」。 有意思的是，开放日之后，特斯拉股价收盘下跌 3.8%，而英伟达股价收盘上涨 1.2%。
50930发布于 2019-05-07 - 来自专栏镁客网
自动驾驶容易误导？美国自动驾驶联盟决定改名了
美国自动驾驶联盟改名，遭殃的可能是特斯拉？ 作者 | 来自镁客星球的陈小雪 近日，据外媒报道，美国自动驾驶街道安全联盟（Self-Driving Coalition for Safer Streets）改名为自动驾驶汽车行业协会（Autonomous 而此前，特斯拉销售的“全自动驾驶”（FSD）软件，其实是一种先进司机辅助驾驶系统而非其名称的全自动驾驶。该系统可以控制汽车在道路上执行许多功能，但仍需要人工监督。 此外，AVIA还称，新名称更符合其成员“对行业、政策制定者、记者和公众谈论自动驾驶技术的精确性和一致性的承诺”。另外，AVIA表示支持开发自动驾驶汽车，希望其能完成所有驾驶任务。 有人担心放弃“自动驾驶”一词，对特斯拉来说可能意味着严重后果。不过现在，几乎美国所有自动驾驶汽车运营商似乎正在放弃“自动驾驶”这一词。这些担忧现在似乎已经成为现实。
40220编辑于 2022-02-10 - 来自专栏企鹅号快讯
AI与自动驾驶
AI运用到汽车行业莫过于自动驾驶技术。而深度学习技术成就它的快速发展。有了刚才水管网络的比喻，我们就比较容易理解深度学习自动驾驶技术。自动驾驶要具备环境感知，高精度地图和驾驶决策三个部分。
1K100发布于 2018-01-23 - 来自专栏博文视点Broadview
自动驾驶中的SLAM
当把自动驾驶作为一个整体考虑时，地图非常重要，因为它提供了决策所需的第一层感知。 通常，将SLAM问题视为真正实现自动驾驶机器人的关键问题之一。因此，SLAM技术也是自动驾驶汽车的核心技术。 自动驾驶SLAM的评估标准 虽然可以通过专用的探索方案被成功地应用于室内移动机器人中，但是对于自动驾驶的大规模环境而言，还是不够的。 因此，在自动驾驶汽车中建图至关重要，并且在如何构建或使用紧凑、可靠的地图方面提出了重要的挑战。 目前，已经确定了如下6个指标来衡量SLAM算法。通常，只有达到这些指标，才能实现自动驾驶。 自动驾驶中的SLAM 从上面论述的在自动驾驶中对SLAM算法的要求可见，必须构建更好的地图，因此，在度量和拓扑级别都需要有环境表示和识别。 这本书详细介绍自动驾驶算法、软件和芯片设计各个环节 凝聚作者10余年高通、华为、谷歌的理论和实战经验 每个章节都能挖掘出潜在的自动驾驶产品和服务 扫码或者点击阅读原文均可查看详情，推荐对自动驾驶感兴趣的小伙伴学习阅读
80110编辑于 2022-08-26 - 来自专栏PyVision
自动驾驶运动预测
Lyft 自动驾驶数据集及运动预测建模教程。 作者: Lyft Self-Driving Team 编译: McGL 要实现完全自动驾驶，尚未解决的关键问题之一是预测自动驾驶汽车附近物体的行为。 image.png 自动驾驶汽车栈的三个主要组成部分: 感知(汽车周围是什么?)，预测(接下来会发生什么?)，规划(汽车应该做什么?) 让我们从自动驾驶汽车的工作原理开始。 在自动驾驶汽车栈中，建立自动驾驶系统的第一步是感知(识别我们周围的事物)。接下来的两个任务是预测(判断接下来会发生什么)和规划(决定 自动驾驶汽车即将做什么)。我们正专注于第二个任务。 自动驾驶汽车需要能够对未来做出预测 —— 这是司机们一直在潜意识里做的事情。设想一辆自动驾驶汽车试图左转，而另一辆车正从相反的方向驶来。 https://medium.com/lyftself-driving/how-to-build-a-motion-prediction-model-for-autonomous-vehicles-29f7f81f1580
1.6K21发布于 2021-03-30 - 来自专栏ADAS性能优化
自动驾驶网络优化
在自动驾驶中，需要大量的sensor信息上传到服务器进行训练。即使在车辆的行驶过程中也需要相关的sensor信息进行融合，感知。 一个packet 所属的接收队列是由 hash （通常是Toeplitz hash） 计算出来的低 7bit 作为key，从 indirection table 中拿到queue number。
1.5K10编辑于 2022-05-13 - 来自专栏趣Python
自动驾驶 未来不来
自动驾驶的定义 按照业界的说法，自动驾驶分为L0~L5，以L3为界，L0~L2为辅助驾驶，L3~L5为自动驾驶。 ? L3：自动驾驶系统控制汽车，驾驶员保持随时接替状态。 L4：特定场景下的自动驾驶，驾驶员可以在后排座位嗨了，不用控制方向盘，制动和油门。 L5：任何场景下都不需要驾驶员。 自动驾驶落地关键点 毫无疑问，自动驾驶要真正落地，是一个系统性的工程，其中牵扯到的上下游产业链极其丰富，这里面不仅仅是技术问题，还有政策，甚至是伦理问题。 自动驾驶趋势预测 第一，打不过就加入，要想在自动驾驶领域的上下游切入，对于创业型公司而言，不能啥都搞，得精通某一项，且能抱住大腿，才能够生存下来并得到发展。 第四，从个人的理解出发，我觉得自动驾驶的落地至少在10年之后；即使能够落地，仍然是特定场景下的自动驾驶，顶天了也就是号称L4的实际L3级别。
71410发布于 2021-06-25 - 来自专栏杨丝儿的小站
【自动驾驶】技术扫盲
激光slam 理论详解(一) 零基础如何入门激光SLAM 2021 高翔：视觉SLAM基础（哔哩哔哩：BV1nh411B7mv） 注：内嵌播放器手机适配很差。 超硬核 | 多传感器融合感知知识点汇总 相机雷达标定 传感器标定是自动驾驶的基本需求，一个车上装了多个/多种传感器，而它们之间的坐标关系是需要确定的。 自动驾驶系统的传感器标定方法：比较详细 激光雷达和摄像头融合 自动驾驶汽车中的激光雷达和摄像头传感器融合 常见配准算法 NDT 算法（与ICP对比）和一些常见配准算法 icp ICP算法是基于EM 自动驾驶系列：激光雷达建图和定位(NDT) 自动驾驶（十）---------正态分布变换（NDT）
58530编辑于 2022-03-01 - 来自专栏CNNer
【自动驾驶】开源 | 仿真中自动驾驶感知模型训练的优化策略研究
Optimal Strategies for Training Self-Driving Perception Models in Simulation 原文作者：David Acuna 内容提要 自动驾驶依赖于大量真实数据来进行高精度的标注 然而，合成数据和真实数据之间的领域差距仍然存在，这就提出了以下重要的问题：利用自动驾驶模拟器进行感知任务的最佳方式是什么？ 主要框架及实验结果 声明：文章来自于网络，仅用于学习分享，版权归原作者所有 分享最新的CVPR、ECCV、ICCV、IROS等人工智能论文，关注深度学习、自动驾驶领域。
58520编辑于 2021-12-14
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