自动驾驶

【3D·感知】从PointNet到PointPillars：如何让自动驾驶汽车“实时“看见3D世界？作者：小探首发：探物 AI 序列：3D感知网络的第2篇文章转载请注明出处上一篇我们学习了PointNet，理解了如何用深度学习直接处理无序点云。但PointNet主要用于分类和分割，离"实时检测周围的车辆"还有距离。这一篇我们来看PointPillars——一个能让自动驾驶汽车以62 FPS实时检测3D目标的网络，真正能让工业使用的网络。

自动驾驶调研-Day1在当前的技术格局中，存在着两种主导范式。一方面是基于鸟瞰图（BEV）表征的专用模型。鸟瞰图（Bird’s-Eye-View, 简称 BEV）表征，简单来说就是“上帝视角”或“网格俯视图”。在自动驾驶中，车载摄像头、激光雷达（LiDAR）等传感器是从车辆四周的“透视视角”（Perspective View）来捕捉世界的（即前视、后视、侧视等，图像中会有近大远小的透视变形）。而BEV 表征，则是通过算法将这些来自不同方向、不同角度的透视图像，转换并融合到一个统一的、从上往下俯视的二维网格空间中。

生成论实验室

自动驾驶：一个自主运动的系统我们先不谈传感器，不谈算法，不谈算力。先谈一个更根本的问题：自动驾驶汽车是什么？传统定义告诉我们：自动驾驶汽车是一种能够感知环境、规划路径并自动控制行驶的智能车辆。它由摄像头、激光雷达、毫米波雷达、高精地图、域控制器和执行器组成，按照预设规则或AI模型运行。

渡众机器人

第八届全球校园人工智能算法精英大赛-算法应用赛-渡众机器人智能体对抗挑战赛规则在新一轮科技革命和产业变革加速推进的背景下，人工智能、自动驾驶与智能机器人技术正成为引领未来产业发展的关键方向。以自动驾驶为代表的智能系统技术，深度融合了感知、决策、控制与系统工程能力，是衡量一个国家科技创新水平和工程实践能力的重要体现。推动相关领域的人才培养与技术创新，对于提升国家科技竞争力、服务重大战略需求具有重要意义。

LeGO-LOAM 详细源码流程解读LeGO-LOAM 的整体思路可以理解为：先把原始三维点云整理成规则的二维深度图，再利用地面信息和连通域分割筛选出稳定点云，之后提取角点和平面点，通过前端 scan-to-scan 求相邻帧位姿，再通过后端 scan-to-map 和关键帧地图进一步优化位姿，最后融合前端和后端结果发布连续轨迹。

渡众机器人

智能体对抗挑战赛和空地协同侦排挑战赛的报名流程一、报名方式点击大赛官网（www.aicomp.cn）右上角“大赛报名”按钮（参考下图）进入登录页面。

生成论实验室

六十四卦态势操作系统技术白皮书版本：V1.0 日期：2026年6月作者：周林东公司：莆田字序生命科技有限公司本文提出一种全新的操作系统范式：以六十四卦完备态势空间为内核，以事件关系网络为语法，以降U动力学为驱动的态势操作系统（Situational Operating System，简称SOS）。与传统操作系统管理硬件“资源”不同，态势操作系统管理的是系统内外的“事件”，并实时判断当前情境，自主调度资源、切换策略、保障安全。本文将从理论基础、系统架构、核心优势、应用场景及技术路线图等方面，系统阐述这一操作系统的设计蓝图。

互联网与大数据环境下制造服务模式通过客户全程参与，利用信息“产生优化的决策和个性化的服务为客户创造价值”的智能制造和客户化定制服务模式。

奔袭的算法工程师

论文解读--Sparse4D v3: Advancing End-to-End 3D Detection and Tracking3D检测和多目标跟踪（MOT）是自动驾驶感知系统的两个基础任务，前者输出当前帧物体3D bounding box，后者输出跨帧物体的关联ID与运动轨迹。

生成论实验室

认知芯片：让判断力在物理定律上运行——AI芯片的第三条路CPU、GPU、NPU，无论架构怎么变，本质都是同一件事：执行计算指令。它们比拼的是谁算得快、谁功耗低、谁晶体管密度高。摩尔定律、韬定律，都是围绕“计算”展开的。

FAST-LIVO2 源码精读（二）：环境搭建与编译避坑本文是「FAST-LIVO2 激光-惯性-视觉里程计源码精读」专栏第二篇。上一篇确立了系统全局认知与 19 维状态向量的精确构成；从这一篇起进入实战。编译通过是阅读源码、调参、改代码的前提——在此之前任何"理解"都悬在空中。本篇逐项拆解 FAST-LIVO2 的依赖树，重点讲清三处极易踩错的版本地雷，并给出 catkin_make 常见报错的速查处置表。

ProDrive：基于自身-环境协同演化的自动驾驶主动规划26年4月来自南方科大和港科大的论文“ProDrive: Proactive Planning for Autonomous Driving via Ego-Environment Co-Evolution”。

Level 4自动驾驶系统设计2——功能与场景2摘要：干线物流场景中，重卡因制动距离长需超250m远距感知，但远距目标检测受视觉特征退化与雷达稀疏性限制，需多模态时序校验提升置信度。针对相邻车道强行加塞（Cut-in），系统建立动力学对账方程，实时解算运动参数并验证安全裕度，同时采用传感器动态确权策略应对模型幻觉。极限情况下，系统绕过端到端规划，直接触发紧急制动，通过VMC层优化制动力分配，确保安全平账。

面向长上下文自动驾驶的规划对齐Token压缩26年6月来自Nvidia和香港大学的论文“Planning-aligned Token Compression for Long-Context Autonomous Driving”。

装不满的克莱因瓶

【自动驾驶领域】学习 Cityscapes 数据集——城市街景语义理解的标准基准目录一、前言二、Cityscapes数据集是什么（一）基本定义（二）核心任务（三）数据来源三、数据集规模

基于目标、需求、方法与学习闭环的限定运行域自动驾驶系统完整名：道枢四链智驾系统：一种基于目标链、需求链、方法链与学习链的自动驾驶实现方案其中：这里先按限定运行区域自动驾驶来设计，比如园区、港口、矿区、封闭道路、固定路线接驳车。原因是自动驾驶不能一上来就假设“任何道路、任何天气、任何场景都能开”。按 NHTSA 对自动化等级的说明，L4 高度自动化通常是在有限服务区域内由系统负责驾驶任务，而 L5 才是所有条件、所有道路下的通用自动化；NHTSA 同时说明，美国目前面向消费者销售的车辆并不是完全自动驾驶车辆。(NHTSA)

A-LOAM中scanRegistration.cpp详细讲解这个文件是 A-LOAM 的点云预处理与特征提取模块。它的输入是激光雷达原始点云话题：它的输出是后续 laserOdometry 需要的五类点云：

Level 4自动驾驶系统设计1——功能与场景1本文探讨全栈并网智驾大模型（VLA/端到端）在行泊一体领航辅助（NOA/NGP）中的应用，重点解决端到端大模型在高维不可预测环境中的功能安全收敛问题。通过构建全场景ODD（设计运行域）运营库，实现行车与泊车功能的无缝切换，并利用时空对齐、传感器动态确权等技术确保安全性和可靠性。文章还分析了系统响应时间窗的优化及物理极限下的安全控制策略，包括动态掩码技术和VMC层的越权限制机制，以应对极端工况和保障系统稳定性。

程序员爱德华

计算机视觉-自动驾驶1.体素 (voxel) 2.网格 (grid) 3.3D点云1.定义鸟瞰图，bird’s-eye view (BEV)

先知后行。

科目一 11111分，3分，6分，9分，12分的口诀是什么？灯光，车牌的扣分是哪几个档次？乱开远光灯扣几分？车牌装歪了扣记分？没挂车牌扣几分？