鸿蒙开发者社区

WOT技术大会

公众号矩阵

移动端

短视频免费课程课程排行直播课软考学堂

全部课程厂商认证 IT技术 24年11月软考 PMP项目管理免费题库

文章资源问答课堂专栏直播

51CTO

鸿蒙开发者社区

51CTO技术栈

51CTO官微

51CTO学堂

51CTO博客

CTO训练营

鸿蒙开发者社区订阅号

51CTO软考

51CTO学堂APP

51CTO学堂企业版APP

鸿蒙开发者社区视频号

51CTO软考题库

账号设置退出

智能汽车

782内容

关注

向广大IT专业技术人员提供智能驾驶、车联网、智能座舱以及所有和智能网联汽车相关的新鲜资讯、前沿技术、发展趋势等内容。

共 782 条

RV融合！自动驾驶中基于毫米波雷达视觉融合的3D检测综述

本论文详细介绍了基于毫米波雷达和视觉融合的障碍物检测方法，从任务介绍、评估标准和数据集三方面展开。

2023-12-12 10:23:54

自动驾驶雷达视觉

仅使用卷积！BEVENet：面向自动驾驶BEV空间的高效3D目标检测

BEVENet提出了一种高效的基于BEV的3D检测框架，它利用仅卷积的架构设计来规避ViT模型的限制，同时保持基于BEV方法的有效性。

2023-12-12 10:09:33

3D 框架模型

端到端自动驾驶系统的关键技术与发展趋势

近期，来自于清华大学的李升波等学者的论文，讨论了端到端汽车自动驾驶系统的关键技术与发展趋势。

2023-12-11 10:29:11

自动驾驶系统

把检测器加进来，YOLOv8部署实战！

本文是我在学习韩博《CUDA与TensorRT部署实战课程》第六章的课程部分输出的个人学习笔记。

2023-12-11 10:18:38

YOLOv8 检测器实战

2024年最大的坑？基于深度学习的端到端自动驾驶最新综述

端到端自动驾驶是一种完全可微分的机器学习系统，它将原始传感器输入数据和其他元数据作为先验信息，并直接输出自车的控制信号或规划轨迹。本文试图系统地回顾最近所有基于机器学习的技术来实现这一端到端任务。

2023-12-08 09:50:44

自动驾驶机器学习数据

RangePerception：Range View3D检测新思路！

本文介绍了 RangePerception，这是一种基于 RV 的 3D 检测框架，可有效解决空间错位(Spatial Misalignment)和视觉损坏(Vision Corruption)的挑战。

2023-12-07 13:14:54

扩散一切？3DifFusionDet：扩散模型杀进LV融合3D目标检测！

3DifFusionDet框架将3D目标检测表示为从有噪声的3D框到目标框的去噪扩散过程。在这个框架中，真值框以随机分布扩散进行训练，模型学习反向噪声过程。

2023-12-07 13:07:59

3D 模型训练

短小精悍的BEV实例预测框架：PowerBEV

BEV（鸟瞰图）发展至今，已然成为自动驾驶特征不可或缺的重要部分。然而，过于繁重的算法架构和输出冗余使得基于BEV的自动驾驶算法不能直接投入量产使用，本文提出了一个短小精悍的BEV实例预测框架，提高BEV算法部署和应用的效率。

2023-12-06 09:49:36

自动驾驶算法

更深层的理解视觉Transformer，对视觉Transformer的剖析

目前基于Transformer结构的算法模型已经在计算机视觉（CV）领域展现出了巨大的影响力。他们在很多基础的计算机视觉任务上都超过了之前的卷积神经网络（CNN）算法模型。

2023-12-06 09:37:55

NeuRAD: 用于自动驾驶的神经渲染（多数据集SOTA）

本文目标是学习一种表示，从中可以生成真实的传感器数据，其中可以改变自车平台、行动者的姿态，或者两者兼而有之。

2023-12-05 09:40:18

自动驾驶数据

DetZero：Waymo 3D检测榜单第一，媲美人工标注！

本文主要介绍由香港中文大学MMLab和上海人工智能实验室等机构合作的离线3D物体检测算法DetZero，已被ICCV2023收录！如果您有相关工作需要分享，请在文末联系我们！

2023-12-04 09:41:49

算法自动驾驶

驶向未来，首个多视图预测+规划自动驾驶世界模型来了

Drive-WM 模型通过多视图世界模型，能够想象不同规划路线的未来情景，并根据视觉预测获取相应的奖惩反馈，从而优化当前的路线选择，为自动驾驶系统的安全提供了保障。

2023-12-04 09:33:00

自动驾驶视觉

为端到端铺平道路！OccWorld：面向自动驾驶未来的3D占用世界模型新方案

这里探索了一种在3D占用空间中学习世界模型OccWorld的新框架，同时预测自车的运动和周围scene的演变。

2023-12-01 10:37:20

自动驾驶 3D

TensorRT是如何做到架构更快的？

文章总结了TensorRT工具链以及TensorRT后端优化流程。

2023-11-30 10:13:17

TensorRT 架构

全景/鱼眼相机低速自动驾驶的近距离感知

本文的工作部分受到了Malik等人在[5]中的工作的启发。这项工作的作者提出，计算机视觉的核心问题是重建、识别和重组，他们称之为计算机视觉的3R。

2023-11-29 11:28:21

FlashOcc：占用预测新思路，精度、效率和内存占用新SOTA！

本文介绍了一种称为 FlashOCC 的即插即用方法，旨在实现快速且内存高效的占用预测。它直接用 2D 卷积替换基于体素的占用方法中的 3D 卷积，并结合通道到高度变换(channel-to-height transformation) 将扁平化的 BEV 特征重塑为占用 logits。

2023-11-28 09:37:12

3D 自动驾驶

性能爆炸！最新MapEX：大幅超过现有所有SOTA，无图感知真的要来了？

本文建议利用现有地图来改进在线HDMap构建。为了研究这一点，作者概述了现有（简单地图、带噪或过时）地图可用的三种现实场景，并引入了一个新的MapEX框架来利用这些地图。

2023-11-28 09:24:51

自动驾驶地图

大火的4D Radar开源数据汇总

对于自动驾驶车辆来说，高可靠性、低成本、高分辨率的感知模块是必不可少的。目前，感知模块主要使用相机、激光雷达和汽车雷达等传感器获取不同模式的环境信息。

2023-11-27 09:49:37

自动驾驶数据

CoBEVFlow：解决车路协同感知的时序异步问题

CoBEVFlow关注解决协同感知中存在的时序异步问题，能够有效处理包含延迟、中断、采样频率不一致等原因导致的时序异步问题，同时不会对特征图引入额外的噪声。

2023-11-27 09:37:53

最新！基于视觉方案的车辆速度、距离估计综述

本文主要介绍了在固定位置下基于camera的速度与距离估计！下图为速度估计的整体流程：主要包括检测跟踪、距离估计、速度估计等。

2023-11-22 10:00:30

一文详解自动驾驶中的多模态融合感知算法

本文全面调研了现有多模态自动驾驶感知算法，传感器包括LiDAR和相机，聚焦于目标检测和语义分割，分析超过50篇文献。同传统融合算法分类方法不同，本文从融合阶段的不同将该领域分类两大类、四小类。此外，本文分析了当前领域存在的问题，对未来的研究方向提供参考。

2023-11-22 09:53:02

自动驾驶算法

车用图像传感器参数小议——信噪比

车用CMOS图像传感器的信噪比SNR是一个关键的图像质量指标，它具有非单调特性，受到汽车应用环境的多因素影响，对SNR的评估是一个多维的综合评判工作。

2023-11-21 11:15:58

自动驾驶中基于深度学习的预测和规划融合方法综述

本文全面概述了各种任务技术方法基础上，调研分析了自动驾驶系统中预测和规划的融合集成方法。

2023-11-20 09:53:13

自动驾驶系统

全面解析自动驾驶系统 BEV 3D 检测提升策略

基于视觉的3D检测任务是自动驾驶系统感知的基础任务，也是自动驾驶当前研究的热点。然而，使用单目相机的 2D 传感器输入数据实现 3D BEV（鸟瞰图）性能并不是一件容易的事。在本文中，重点关注自动驾驶中基于3D 视觉检测的方法。

2023-11-17 09:55:41

再上新台阶！视觉大语言模型在自动驾驶和智能交通中的最新应用

智能移动在现代文明中至关重要，推动经济增长，支持城市发展，加强社会联系。近年来，深度学习和计算能力的快速发展深刻地影响了交通运输，提高了其效率和智能化。

2023-11-16 09:59:58

智能驾驶算力

如何通俗易懂地解释自动驾驶中的BEV和SLAM？

SLAM和BEV最基础和核心的传感器就是相机（Camera），所以两者在计算过程中有大量的算力都被消耗在了图像中信息提取/识别和变换计算。

2023-11-14 11:23:39

计算自动驾驶

NeRF与自动驾驶的前世今生，近10篇论文汇总！

本文为大家梳理下Nerf与自动驾驶相关的内容，近11篇文章，带着大家探索Nerf与自动驾驶的前世今生。

2023-11-14 10:41:00

自动驾驶论文

UniPAD：通用自动驾驶预训练模式！各类感知任务都可支持

UniPAD 是一种基于 MAE 和 3D rendering 的自监督学习方法，可以训练一个性能优秀的基座模型，继而可以在该模型上微调训练下游诸如深度估计、目标检测、分割等诸多任务。

2023-11-10 09:31:29

自动驾驶训练

自动驾驶中基于 Transformer 的模型和硬件加速分析

近年来，Transformer架构在各种自动驾驶应用中表现出了良好的性能。另一方面，它在便携式计算平台上的专用硬件加速已成为真正自动驾驶汽车实际部署的下一个关键步骤。这份调查报告提供了一个全面的概述，基准，并分析了基于Transformer的模型，专门为自动驾驶任务量身定制。

2023-11-09 09:48:46

架构自动驾驶

自动驾驶系统中相机相对地面的在线标定

在这项工作中提出了一种在线的单目相机与地面标定解决方案，不需要在行驶过程中使用任何特定目标。通过轮速里程计进行粗到精的地面特征提取，并通过基于滑动窗口的因子图优化来估计相机与地面的标定参数。

2023-11-07 10:31:25

自动驾驶系统

实战 | 详解Apollo 换道

Apollo 所开源出的换道代码经过了过多的删减, 只有一个简单的框架. 有很多功能, 比如主动换道, 由于障碍物产生的被动换道, 较为完整的状态机, 换道窗口和 Gap 的选择等等功能都是缺失的. 本技术文章也只展现现有框架上的内容。

2023-11-07 10:22:26

自动驾驶技术

无图感知更进一步！ScalableMap：迈向大范围高精地图新方案！

本文利用地图元素的特性来提高地图构建的性能。ScalableMap在线性结构的指导下提取了更准确的鸟瞰图（BEV）特征，然后提出了一种分层稀疏地图表示，以进一步利用矢量化地图元素的可扩展性，并基于这种表示设计了渐进解码机制和监督策略。

2023-11-07 10:10:56

最新轨迹预测综述：从基础定义到各类方法、评测汇总

本文为大家分享下轨迹预测的定义、输出格式、常用的相关术语，常用的轨迹预测方法论，以及评测方式。

2023-11-06 09:51:10

自动驾驶轨迹

全球首发！总结七十余种开源数据集，一览自动驾驶开源数据体系

这篇综述详细评述了自动驾驶公开数据集的现状与挑战。针对数据算法闭环体系，结合当前大模型发展趋势，提出了下一代自动驾驶数据集的愿景与规划。

2023-11-06 09:42:03

自动驾驶数据

聊聊各车企智驾“无图”方案

为了进一步拓展智驾的适用范围，各家车企都将目光集中到了城区NOA，但是这个过程中面临了一个棘手的问题：城区高精地图的覆盖比例和鲜度远远不足！

2023-11-03 13:50:03

Nuscenes最新SOTA | DynamicBEV超越PETRv2/BEVDepth！

这篇论文介绍了一种新的3D object detection方法，这对于自动驾驶、机器人技术和监控等应用至关重要。传统的3D object detection方法使用鸟瞰视角（BEV）方法，将3D场景简化为2D表示。

2023-11-02 09:22:13

自动驾驶框架

智驾“重感知，轻地图”技术趋势和可长期支持的业务场景的思考

智驾系统分为规划控制，地图定位和实时感知三个核心模块，其中感知提供实时车辆周围的动静态信息，为规划控制的行为决策和执行动作的推演提供局部环境的实时约束。

2023-11-01 10:12:00

三分钟简单聊一聊“行泊一体”

我们看到，现阶段智能汽车行业正在大规模力推无限接近于L3的L2++或L2.9自动驾驶量产落地。在这一过程中，各种新技术层出不穷，而融合众多新技术的“行泊一体”方案受到车企们的推崇。

2023-11-01 10:09:59

ScalableMap：用于在线远距离矢量化高精地图构建的可扩展地图学习

本文的方案 ScalableMap 动态增加地图的采样密度以获得各种比例的推理结果，使本文能够更快地获得更准确的地图信息。

2023-10-31 09:33:24

地图自动驾驶

自动驾驶端到端规划方法汇总

本文主要贡献就是把一个连续解空间通过这种树形采样规则转变一个马尔可夫决策过程，然后再利用dp求解。

2023-10-30 09:47:00

自动驾驶技术

世界模型和DriveGPT这类大模型到底能给自动驾驶带来什么？

ADAPT提出了一种基于端到端transformer的架构ADAPT（动作感知Driving cAPtion transformer），它为自动驾驶车辆的控制和动作提供了用户友好的自然语言叙述和推理。ADAPT通过共享视频表示联合训练驾驶字幕任务和车辆控制预测任务。

2023-10-30 09:42:29

自动驾驶模型

GraphAlign：通过图匹配增强多模态3D目标检测的准确特征对齐

本文提供了一个自注意力模块来增强重要关系的权重，以微调异构模态之间的特征对齐。 nuScenes 基准上的大量实验证明了本文的 GraphAlign 的有效性和效率。

2023-10-27 09:57:54

多模态卷进车路协同 | V2VFormer++：首个多模态V2V框架问世！

在公开的 OPV2V 和 V2X-Sim2.0 基准上进行了定量和定性实验，我们提出的 V2VFormer++ 得到了最先进的协同感知性能，展示了其有效性和先进性。此外，消融研究和可视化分析进一步表明，其对现实场景中的各种干扰具有很强的鲁棒性。

2023-10-27 09:47:22

FMCW雷达位置识别如何优雅的实现（IROS2023）

雷达测量过程的复杂伪影需要适当的不确定性估计 - 以确保这种有前景的传感器模式的安全和可靠应用。在这项工作中，我们提出了一个多会话地图管理系统，该系统基于嵌入空间中学到的方差属性构建“最佳”地图以进行进一步的定位。

2023-10-26 09:29:29

自动驾驶雷达

UniPAD：自动驾驶通用预训练范式来了！

本文提出了一种专为有效 3D 表示学习而定制的新颖的预训练范式，它不仅避免了复杂的正/负样本分配，而且还隐式提供了连续的监督信号来学习 3D 形状结构。

2023-10-25 09:50:07

自动驾驶训练

自动驾驶传感器融合面临的三大挑战

事实证明，向更大的自治迈进比起初所期望的要复杂得多。不仅要求在长寿命内具有零磁场故障的高可靠性，这些车辆还必须在所有天气和驾驶条件下都安全，有保障并充分了解其周围环境，且他们需要以可承受的成本进行此操作。

2023-10-24 10:00:17

自动驾驶技术

HiLM-D：自动驾驶多模态大语言模型玩出花了

HiLM-D引入了一种新的方法，使用多模态大语言模型（MLLMs）来统一多个驾驶任务，称为风险目标定位和自车意图以及建议预测（ROLISP）。进一步提出了HiLM-D，以生成丰富的高分辨率特征图。

2023-10-24 09:53:56

自动驾驶模型

深度学习科研，如何高效进行代码和实验管理？

我知道很多开源repo喜欢用input argparse来传输一大堆训练和模型相关的参数，其实非常不高效。

2023-10-23 10:19:23

自动驾驶深度学习

首个多视角自动驾驶场景视频生成世界模型 | DrivingDiffusion: BEV数据和仿真新思路

而对仿真来说，可以直接通过布局进行满足上述条件的视频生成，无疑是最直接的multi-agent传感器输入的构造方式。而DrivingDiffusion则从一个新的角度解决了上述问题。

2023-10-23 10:11:36

自动驾驶技术

MagicDrive：自动驾驶大数据生成时代即将开启！

最近在扩散模型方面的进展显著提升了与2D控制相关的数据合成。然而,在街景生成中精确的3D控制对于3D感知任务至关重要,但仍然难以实现。

2023-10-18 09:36:35

自动驾驶 3D

上一页 1 ··· 3 4 5 6 7 ··· 16 下一页

51CTO技术栈公众号

业务
速览

媒体

51CTO CIOAge HC3i

社区

51CTO博客鸿蒙开发者社区 AI.x社区

教育

51CTO学堂精培企业培训 CTO训练营