自动驾驶

退休钓鱼选手

BehaviorTree行为树-机器人及自动驾驶摘要：行为树是一种模块化、层次化的决策框架，广泛用于机器人及自动驾驶系统。它通过树状结构组织任务节点，实现清晰的任务编排与动态响应，显著提升了复杂场景下的决策可读性、可维护性与可靠性。在自动驾驶中，行为树高效协调感知、规划与控制模块，是实现安全、智能驾驶的关键技术之一

CAN系列 — (3) Radar Object List 在 MCU 内部是如何被拼装、校验并最终被消费的？本文统一使用 MCU（Microcontroller Unit）表示雷达 CAN FD 报文的接收与处理节点。在系统架构语境中，该 MCU 可能承担域控制器（DCU）的角色，但在本文讨论的 CAN 接收、AUTOSAR 链路与 Object List 拼装问题上，两者指代同一执行实体。

CAN系列 — (4) Radar Header 报文：为什么它是 MCU 感知周期的“锚点”在前面的几篇文章中，我们已经反复提到一个角色——Radar Header 报文。它出现的频率甚至高于 Object Data 本身：

Autoware Universe 感知模块详解 | 第十节：工程角度的自动驾驶检测管线方法论站在 2026 年的当下，模块化架构自动驾驶体系中感知领域已经进入到"工程化成熟度高、研究红利递减"的阶段。当我们打开 Autoware Universe 或 Apollo 这样的工业级框架，会发现检测、跟踪、预测三个任务已经形成了成熟的分工体系，而框架内置的 CenterPoint、YOLOX 等模型也已经经过了多个迭代和实战验证。在第一部分中，我将着重介绍感知的三个主要子任务。

冻伤小鱼干

《自动驾驶与机器人中的slam技术:从理论到实践》笔记——ch8（1）自动驾驶对SLAM的应用主要集中在定位与建图这两大模块。在定位模块中，也常常需要使用DR或LIO进行局部的位置估计。

地平线开发者

征程 6 | cgroup sample本 sample 实现限制进程 cpu 占用率和运行的 cpu 核功能，此处主要介绍该 sample 的实现与使用方法。

KnowVal（arXiv:2512.20299v1）：知识图谱增强与价值引导的自动驾驶决策论文：KnowVal: A Knowledge-Augmented and Value-Guided Autonomous Driving System（arXiv:2512.20299v1, 2025-12-23）

自动驾驶论文分享｜TrajVAE：无需强约束即可灵活生成高质量行车轨迹本文介绍了Neurocomputing期刊上的一篇论文《TrajVAE: A Variational AutoEncoder model for trajectory generation》，该论文提出了两种轨迹生成的解决方案，即TrajGAN和TrajVAE。这两种方案首先利用长短期记忆网络（LSTM）对轨迹特征进行建模，然后分别借助生成对抗网络（GAN）和变分自编码器（VAE）框架来生成轨迹。论文将TrajGAN作为基准模型，通过实验发现TrajVAE相对于基准模型具有更高的准确性和稳定性。

数据驱动与AI融合——构建自动驾驶仿真测试新范式的实践目录一、范式基石：构建真实世界的参考系——自然驾驶基准库二、双引擎驱动——实现从“广度覆盖”到“深度挖掘”的智能跃迁

什么是自动驾驶地图的物理层、逻辑层、拓扑层、经验层？目录1. 物理层（Physical Layer）2. 逻辑层（Logical Layer）3. 拓扑层（Topological Layer）

云和数据.ChenGuang

MindIE推理引擎：赋能自动驾驶感知决策升级，突破复杂路况落地瓶颈MindIE推理引擎：赋能自动驾驶感知决策升级，突破复杂路况落地瓶颈在自动驾驶技术向规模化落地迈进的过程中，感知精度不足、决策响应滞后、多硬件适配复杂等问题始终是行业痛点。尤其在雨雪雾天、夜间低光、城市拥堵等复杂工况下，如何实现环境的精准识别与实时决策，成为衡量自动驾驶系统可靠性的核心标尺。华为昇腾推出的MindIE（Mind Inference Engine）推理引擎，凭借其高性能、全兼容、易部署的核心优势，为自动驾驶技术突破提供了关键支撑，在交通领域的联合应用中实现了复杂路况识别准确率提升12%的显著

从“测试泥潭”到“智能加速”：我们对自动驾驶仿真测试的新思考目录一、重新审视传统测试：为什么我们总感觉“事倍功半”？1. 成本与效率之间的持久战2. 高风险场景：那些“想测却测不到”的瞬间

拓端研究室

2025智能汽车产业深度研究报告：L3自动驾驶、Robotaxi|附680+份报告PDF、数据、可视化模板汇总下载原文链接：https://tecdat.cn/?p=44721 原文出处：拓端抖音号@拓端tecdat

WorldSplat：面向自动驾驶的 4D 场景生成与新颖视图合成框架在自动驾驶与计算机视觉领域，合成具有可控视角的逼真驾驶场景视频是一项关键挑战，其对于大规模训练数据生成和闭环评估至关重要。近年来，生成模型在高保真、用户自定义视频生成方面取得了显著进展，减少了对昂贵真实数据的依赖；同时，城市场景重建方法也在 3D 表示和一致新颖视图合成上有所突破。然而，生成模型与重建方法之间存在着难以调和的矛盾：现有视频生成模型多在 2D 图像域工作，缺乏 3D 一致性和新颖视图可控性，从新视角生成时易出现连贯性问题；而场景重建方法虽能实现准确的 3D 一致性和逼真新颖视图，但缺乏生成灵

自动驾驶中间件iceoryx - 内存与 Chunk 管理（三）本章深入讲解 iceoryx 在实现零拷贝进程间通信时的内存管理机制。内容涵盖共享内存的架构与布局、MePoo（内存池集合）、Chunk（数据块）头与生命周期、分配策略（包括 BumpAllocator）、以及 RouDi 与参与进程之间如何协调内存访问与通知。由于内容较多，分为三次介绍。

现代汽车中的通信方式 ——以智能驾驶系统为例在讨论智能驾驶系统时，我们往往把注意力集中在算法模型、算力平台和传感器配置上。但在真实的量产工程中，还有一个同样关键、却经常被低估的基础系统：车载通信网络。

数据分享者

175万部影视车辆全景数据集-品牌车型年份类型标注-IMDB链接-全球电影汽车文化研究与AI识别训练权威资源-适用于影视AI车辆识别广告投放自动驾驶算法开发随着人工智能技术的快速发展，特别是在计算机视觉和自然语言处理领域，高质量、大规模的数据集成为推动技术进步的关键因素。在影视内容分析、汽车文化研究以及自动驾驶等领域，车辆识别与场景理解是重要的研究方向。本数据集收录了全球175万余部影视作品中出现的汽车、卡车、摩托车、巴士等交通工具信息，涵盖品牌、车型、年份、类型、产地、出场场景、IMDB链接、图片等20多个字段，为相关研究和应用提供了权威、全面的基础数据支持。

自动驾驶场景下的图像预处理《自动驾驶：感知原理与实践》4.1节主要介绍了图像预处理与特征提取的核心技术，这是视觉感知的基础环节。