个人技术分享

主摄像头，最大监测距离150米；1V1R，通常是最低限度的传感器配置，一个前视摄像头（前挡风玻璃正中）和一个毫米波雷达（车前保正中），这种配置甚至可以支持一部分基础的L2功能，但有一定的局限性。毫米波雷达是基于多普勒效应和时域反射原理，雷达天线发射毫米波信号，信号遇到障碍物反射回接收器，通过探测波反射回来的时间差和频移，测量物体的距离、速度和方向来确定目标信息。5个摄像头：1个前视摄像头（前挡风玻璃正中），4个环视摄像头即常说的鱼眼摄像头（部署位置前保正中，后保/尾门上方正中，左右后视镜下方）

在自动驾驶系统中，决策规划是一个关键部分，它位于环境感知和控制执行之间，负责将感知模块提供的静态和动态环境信息转化为具体的驾驶策略和路径规划，生成期望的路径和相应的控制量，给到下一阶段控制执行使用。决策规划模块的主要任务包括：全局路径规划、行为决策、运动轨迹规划（主要进行局部路径规划和速度规划）。决策规划的体系架构早期是基于全局路径规划→行为决策→运动轨迹规划分层递进式的，具备推理解释能力，但中间存在延迟，路径误差累计较大，可靠性不高；

微秒级的精准延时功能，可提供曝光数据，实现精准传感器融合。创新的摄像头数据旁通Bypass技术，可让摄像头复用，使得感知算法和采集两套系统可以同时工作，记录行车的所有数据，便于回放。带有时间戳的数据可以通过PCIe Gen3接口，低延时无损的传输到工控机GPU进行处理。采用Liunx进行开发，基于X86架构，上手非常容易。基于各种工控机平台，插上【腾云】系列GMSL图像采集卡，采集卡可连接全车摄像头，每张卡可支持。8个GMSL摄像头输入，最大可支持800万像素30fps。

智能车竞赛，通常指的是基于嵌入式系统、传感器、图像识别等技术，设计并制作能够自主导航的模型车，在特定赛道上完成指定任务的比赛。它不仅考验参赛者的软件编程能力，还包括硬件设计、算法优化、团队协作等多方面能力。智能车竞赛不仅仅是技术的较量，更是对未来智能交通、自动驾驶等领域的积极探索。随着技术的不断进步，智能车竞赛的挑战也在不断提升，从单一的循线任务到复杂的环境感知与决策制定，每一步都凝聚着参赛者的智慧与汗水。希望本文能够激发你对智能车开发的兴趣，无论是初学者还是资深开发者，都能在这个过程中收获知识与乐趣。

有朋友问我，如何有效学习一个新技术。笔者这么多年的经验是：1）了解国内外产业应用和标准法规现状，先建立宏观知识图谱及技术系统框架；2）根据系统框架逐块进行深入研究（横向、纵向），穿插行业内主流厂商对应模块技术方案；3）系统研究行业内TOP厂商完整解决方案；4）针对你选择的重点方向进阶研究。因此笔者建立的自动驾驶专题介绍也会按照这个思路搭建技术体系（发布内容顺序不一定能严格遵守该路线，但会力求不断更新最终能按照该思路完成自动驾驶专栏搭建）。

在工作中，经常会遇到车辆视角问题，比如 正视角，侧视角，后世界等等，这样来回切换，让展示的效果更炫酷一些。从事自动驾驶开发也有几年了，一直在做基于webgl+three三维引擎开发。通过数学计算和three相关的接口结合，计算相关的角度问题。

杨林三-辉羲智能辉羲智能致力打造创新车载智能计算平台，提供高阶智能驾驶芯片、易用开放工具链及全栈自动驾驶解决方案，运用独创性“数据闭环定义芯片”方法学，助力车企构建低成本、大规模和自动化迭代能力，实现优质高效的自动驾驶量产交付，引领数据驱动时代的高阶智慧出行。创业公司中，如何使用Alluxio？从0-1使用 Alluxio 的过程（调研-部署-上生产）。实践经验分享。《 Alluxio 在自动驾驶模型训练中的应用与部署》下文为完整文字版分享内容。

在自动驾驶领域，做自动驾驶感知系统，可以实现实时检测目标，车道线以及雷达信息，但是做目标，车道线以及雷达信息融合这一部分很难，为什么。

在自动驾驶领域，做自动驾驶感知系统，可以实现实时检测目标，车道线以及雷达信息，但是做目标，车道线以及雷达信息融合这一部分很难，为什么。

随着项目的推进，标注数据量的不断更新，高质量的标注结果不断回流到原始预标注模型进行模型的微调优化。优化后的预标注模型产出更高质量的标注结果，极大地降低了人工标注的成本。客户受限于自身标注平台、工具及工作流等，标注效率不理想，希望借助澳鹏的数据标注服务，帮助其开发专业、高效的工具包、工作流等提升标注效率，降低标注成本。在数据到达的初期，通过澳鹏自研的预标注大模型，对原始数据进行预处理，提供项目标注要求的基本预标注结果。对于一些集中的、类似场景和标注要求的项目，能快速移植算法服务，例如智能泊车项目中的提效。

该例程实现的功能是，可为想拿K210做视觉循迹开发作为参考例程使用前需要搭建好MicroPython的。

其中隐含的限制就是f(t)的定义域和值域都应该是实数，因为s和t都是真实空间中的轨迹和时间坐标，不能有虚数。要想使得上面的那个jark最小，积分号中是平方项，也就是当其为0时最小，也就是f(t)的三阶导数为0，也就是f(t)是二次或者二次以下的函数时，三阶导数才为0。也就是求泛函在后面的那三个约束条件下极小值对应的f(t)。上面把一个带约束的泛函化成了一个无约束的泛函，但是L和f点、f两点、f三点都有关，不能直接使用上面只能处理一阶导数的欧拉——拉格朗日方程。

在工作中，经常会遇到车辆视角问题，比如 正视角，侧视角，后世界等等，这样来回切换，让展示的效果更炫酷一些。从事自动驾驶开发也有几年了，一直在做基于webgl+three三维引擎开发。通过数学计算和three相关的接口结合，计算相关的角度问题。

在工作中，经常会遇到车辆视角问题，比如 正视角，侧视角，后世界等等，这样来回切换，让展示的效果更炫酷一些。从事自动驾驶开发也有几年了，一直在做基于webgl+three三维引擎开发。通过数学计算和three相关的接口结合，计算相关的角度问题。

随着科技的不断进步和智能化浪潮的席卷，自动驾驶技术已成为当今交通领域的热点话题。本文旨在深入探讨自动驾驶技术的当前发展状况，并对其未来的市场需求进行细致分析。首先，我们将回顾自动驾驶技术的起源、发展历程以及当前的技术水平，包括传感器技术、算法优化、车辆控制系统等方面的最新进展。接着，我们将从市场需求的角度出发，分析自动驾驶技术在不同领域（如公共交通、物流运输、私人出行等）的潜在应用，以及这些应用对技术、政策、法规等方面的要求。

EUDM在自动驾驶领域具有广泛的应用前景。通过有效处理不确定性因素，它能够在复杂的交通环境中生成安全、高效的驾驶决策。此外，由于采用了高效的剪枝策略和引导分支方法，该方法的计算效率较高，适用于实时性要求较高的自动驾驶系统。随着自动驾驶技术的不断发展，该方法有望在未来的自动驾驶系统中发挥重要作用。

所有文章将通过出版社审稿平台进行2-3位专家同行评审，严格把控文章质量。评审录用后，文章将以会议论文集的形式出版，最终提交EI Compendex、Scopus和Inspec等数据库检索。会议主要聚焦自动驾驶、车辆工程和智能交通等研究领域，旨在为从事相关领域的专家学者提供一个交流科研成果和前沿技术的平台，了解学术发展趋势，加强学术研究和讨论，推动学术成果合作产业化。3.全文投稿：投递全文，录用的文章发表在论文集(可自行选择是否旁听/汇报)本会议投稿经过2-3位组委会专家严格审核之后，最终所录用的论文将。

Apollo计划展现了技术的坚韧与毅力。自2013年百度开始自动驾驶技术的探索以来，Apollo团队一直坚持不懈，经历了无数挑战和困难。然而，他们始终保持着对技术的执着追求，不断突破自我，推动自动驾驶技术的发展。**Apollo 的每一步都走得坚定而有力。**让我们从中学到了不少技术知识，也让我们成为了Apollo时代发展的见证者。我深刻地意识到自动驾驶技术的巨大潜力和广阔前景。而Apollo作为自动驾驶领域的领军企业，将继续引领行业创新，推动自动驾驶技术的普及和应用。自动驾驶技术将会越来越普及。

Pixel 8a 、自动驾驶出租车、秘密产品

实习过程中发现在进行雷达知识交流时，大部分同事都会用英文简称代替中文的一些称呼，比如Chirp、FFT等等。起初我觉得是因为很多英伟达、TI芯片的开发教程都是英文的，所以看得多了大家都习惯这样称呼，后来在和指导我的前辈交流时发现是因为国内对于一个步骤都有很多称呼，比如说我们接下来讲的，但他们的英文专有名称只有一个，分别是和。用英文称呼的原因更是为了精确性，也不用让大家记那么多名词。同时前辈也告诫我在学习时候不要怕麻烦，要把每一个缩写的全程都要标注好记忆好，才能对于系统更加熟悉。图中可以发现。