自动驾驶

地平线开发者

不同传感器前中后融合方案简介在自动驾驶场景下，摄像头 + 激光雷达的传感器融合方案是最常见的感知技术路线，目标是充分利用二者的互补性：

地平线开发者

征程 6X 常见 kernel panic 问题kernel panic 包含了多种内核异常类型，包括但不限于：空指针/异常指针、HungTask、RCU Stall、softlockup、hardlockup、OOM、BUG_ON。

BestOrNothing_2015

MPC模型预测控制原理全解析：从状态预测、矩阵推导到QP求解与滚动优化（含完整手推过程）目录MPC（模型预测控制）概念前言一、MPC 最核心的思想（必须先理解）1）关键思想：2）步骤：2.1）MPC未来N步的控制量

创客匠人老蒋

从自动驾驶到智能辅导：人工智能如何重塑商业与生活你是否认为人工智能只是提升内容创作与图像生成的效率？事实并非如此。我们正处在被人工智能“深度重塑”的起点。

基于世界模型的自动驾驶控制算法世界模型（World Model）通过构建环境动态变化的概率预测实现自动驾驶决策。其控制流程包含：变道决策预测模型计算相邻车道车辆位置概率分布： $$p(\Delta x_{t+1} | z_t) \sim \mathcal{N}(\mu_v, \sigma_v^2)$$ 控制器生成安全变道轨迹： $$a_t = [\Delta \phi, \Delta v]^T$$

自动驾驶与联网车辆网络安全：系统级威胁分析与韧性框架摘要自动驾驶与联网车辆的快速发展为交通出行带来了变革性变化，实现了实时数据交换、协同驾驶和空中下载功能升级。然而，这种互联性也使车辆暴露在庞大且复杂的网络威胁环境中。本文探讨了自动驾驶与联网车辆固有的网络安全风险，包括对车与万物（V2X）通信、电子控制单元、传感器欺骗和远程代码执行的攻击。文章提出了一种分层网络安全韧性框架，该框架基于威胁建模、入侵检测和专为汽车架构定制的加密安全协议。本文还论述了与遗留系统、资源限制、供应链复杂性和监管碎片化相关的实施挑战。该框架为下一代智能交通系统提供了符合标准的自适应

搬砖者（视觉算法工程师）

自动驾驶技术前沿：传感器技术本文核心在于阐明构成自动驾驶车辆各项技术的发展现状。自动驾驶技术划分为感知模块（深入剖析摄像头、激光雷达、毫米波雷达、超声波传感器及新兴成像雷达技术的最新进展）、决策与学习模块以及边缘计算模块（重点探讨包含先进AI算法、自然语言处理、机器学习技术的动态格局，以及边缘计算的变革性影响）。这篇文章主要介绍感知模块。

从手动到智能：XTOM-STATION自动化检测中心在复杂曲面零件全尺寸检测中的应用在工业检测、智能制造与科研领域，高效精准的3D数据采集与处理一直是推动企业生产效率与提升产品质量的关键。新拓三维XTOM-STATION自动化检测中心，搭配XTOM-MATRIX 12M微米级精度蓝光三维扫描仪，集成工业级机器人进行自动化3D测量，该方案可实现自动路径规划、自动扫描、自动检测与检测报告输出全流程闭环，为自动化3D检测领域提供国产自主品牌解决方案。

无人船 | 图解基于MPC控制的路径跟踪算法(以全驱动无人艇WAMV为例)模型预测控制(Model Predictive Control，MPC)是一种先进的控制策略，广泛应用于工程领域。它通过建立动态系统的数学模型，并基于当前状态进行预测，优化未来一段时间内的控制动作，以达到最优的控制效果。模型预测控制通过预测和优化方法，能够在系统动态变化和约束条件下，实现更高效、更灵活的控制，因此在工业应用中具有重要的实际价值。

自动驾驶深度学习模型的SOTIF优化方案摘要确保自动驾驶系统中深度学习模型的安全性至关重要。为符合汽车安全标准 ISO 21448，我们提出将不确定性作为一种新的补充评估标准，以确保基于深度学习的系统的预期功能安全性（SOTIF）。为评估和改进自动驾驶系统的轨迹预测功能，考虑到资源和响应时间的限制，我们采用认知不确定性作为评估标准，该不确定性通过单前向传播模型进行量化。基于 CARLA 模拟器收集的数据进行的实验结果表明，不确定性标准能够检测出未知驾驶场景中具有潜在危害性的功能缺陷，并最终促使模型进行额外学习。

高工智能汽车

“融资热潮”来临！商用车自动驾驶拐点已至？进入2025年，L4级自动驾驶商用车赛道再现融资热潮。根据《高工智能汽车》了解到，今年以来，智加科技、主线科技、卡尔动力、零一汽车、斯年智驾等L4自动驾驶企业纷纷拿下了融资，年内融资总额已突破300亿。

地平线开发者

LLM 训练基础概念与流程简介LLM 首先要学习的并非直接与人交流，而是让网络参数中充满知识的墨水，“墨水” 理论上喝的越饱越好，产生大量的对世界的知识积累。预训练就是让 Model 先埋头苦学大量基本的知识，例如从 Wiki 百科、新闻、书籍整理大规模的高质量训练数据。这个过程是“无监督”的，即人类不需要在过程中做任何“有监督”的校正，而是由模型自己从大量文本中总结规律学习知识点。模型此阶段目的只有一个：学会词语接龙。例如我们输入“秦始皇”四个字，它可以接龙“是中国的第一位皇帝”。

地平线开发者

Camsys 时间戳信息简介其中 u64 timestamps：硬件时间戳，是跟 CPU 一起用的 64 bit system counter，1s 是 24M 个 clock。 FS 的时候从硬件寄存器读取。读取的值除以 24000 是毫秒，除以 24000000 是秒。

不做无法实现的梦～

适合新手小白入门实现slam建图和路径规划的详细教程b站教程：https://www.bilibili.com/video/BV13g4y157R9/?spm_id_from=333.1007.top_right_bar_window_history.content.click&vd_source=477542868eed5e7af9de168225960d85

解构AI营销获客工具的四大智能中枢与价值逻辑基于数百次企业落地实践，我们将AI营销获客工具的核心归纳为四大智能中枢。它们相互协同，构成了企业24小时不间断的“获客引擎”。

数据与后端架构提升之路

Elasticsearch 与 Faiss 联合驱动自动驾驶场景检索：高效语义匹配 PB 级视频数据在自动驾驶领域，PB 级视频库中隐藏着无数宝贵场景，但如何从海量数据中精准提取“雨天傍晚无保护左转”等特定片段，一直是挑战。传统搜索已过时，向量搜索结合 Elasticsearch（ES）和 Faiss 才是王道。今天，我们探讨如何用 ES 存储视频关键向量和 URL，通过中文文本查询（如“雨天无保护左转”）实现 kNN 检索。这不仅仅提升效率，还能为模型训练注入海量相似数据——工程师输入一个场景，系统瞬间返回数千匹配！

自动驾驶中的传感器技术76——Navigation（13）本文介绍GNSS工程实践定位精度静态定位精度≤2m，CEP95动态定位精度≤10，CEP95首次定位时间

数据与后端架构提升之路

在自动驾驶数据闭环中的特征工程应用（上）本文将设计一套可以直接在工程中落地、高度模块化的自动驾驶特征工程方案。这套方案将严格遵循《特征工程入门与实践》的方法论，并为多模态数据（摄像头、激光雷达、毫米波雷达、GNSS-IMU、CAN总线、高精地图）量身定制。我们将按照理解 → 增强 → 构建 → 选择 → 转换 → 学习 → 评估与闭环的完整流程，并提供可直接用于代码实现的 scikit-learn 风格设计。

广州全运会即将开幕，获得文远知行自动驾驶技术支持11月3日，随着第十五届全国运动会（全运会）暨全国第十二届残疾人运动会和第九届特殊奥林匹克运动会的临近，本届赛事自动驾驶场景应用启动仪式在广州天河体育中心南广场隆重举行。启动仪式上，全球领先的自动驾驶科技公司文远知行WeRide（Nasdaq：WRD）宣布，将为本届赛事提供全方位的自动驾驶出行和环卫服务。同时，文远知行联合广州公交集团、广汽领程打造的全球首款L4级中运量城市公交车型在启动仪式上首发亮相，并将投入赛事接驳服务中。

数据与后端架构提升之路

构建一个可进化的自动驾驶数据管道：规则引擎与异常检测的集成在自动驾驶快速发展的时代，数据就是王道。但并非所有数据都一样——那些稀有、高价值的场景才是推动 AI 模型突破边界的关键，例如城市交通中的边缘案例或意外的行人行为。从车队传感器采集的海量数据（PB 级）中筛选这些“针尖上的麦芒”是一个巨大的挑战。这就是并行、可进化管道的用武之地：一个结合确定性规则和探索性机器学习的系统，用于自动化场景识别。