自动驾驶

规划与控制之局部路径规划算法local_planner思考问题： 1、当前目标点如何不断更新？按距离？如果存在动态障碍物占据全局路径该如何设置？ 2、刹车距离如何预留？

田里的水稻

FA_拟合和插值(FI,fitting_and_interpolation)-逼近样条02(多阶贝塞尔曲线)贝塞尔曲线是由伯恩斯坦基函数定义的参数化多项式曲线，核心由控制顶点决定形状，阶数与控制顶点数满足顶点数 = 阶数 + 1：一次（2 个顶点）、二次（3 个顶点）、三次（4 个顶点）。三者的复杂度、光滑性、造型能力依次提升，是 UI 设计、图形学、动画路径等领域的基础，一次为直线（无曲率），二次为抛物线（单曲率），三次为自由曲线（可实现拐点 / 复杂曲率）。本文将分别详细描述各阶贝塞尔曲线的数学定义、几何特性、核心性质，并提供Python 可运行代码（基于matplotlib+numpy），实现曲线 + 控

【自动驾驶感知】基于3D部件引导的图像编辑：细粒度车辆状态理解技术详解在自动驾驶场景中，理解周围车辆的细粒度状态对于安全行驶至关重要。例如，当路边停靠的车辆打开车门时，很可能有人要下车；当前车尾灯闪烁时，可能要变道或刹车。然而，现有的视觉感知系统主要关注边界框检测和实例分割，忽略了车辆的**非常见状态（Uncommon States）**理解。

如何避免代码冲突，拉取分支为了让你绝对放心，我们在执行 Git 命令前，先加一个物理备份步骤。这样无论 Git 怎么炸，你都能一键还原。

王锋(oxwangfeng)

企业出海网络架构与数据安全方案随着全球化业务的拓展，越来越多的企业开始布局海外市场。为保障海外分支机构与国内总部之间的高效、安全通信，构建稳定可靠的跨境网络架构至关重要。本方案围绕某企业在阿联酋设立海外节点并与中国境内数据中心互联的需求，提出基于SD-WAN+专线+安全加速的综合解决方案，涵盖网络组网、数据传输、访问控制及敏感信息保护等核心环节。

英伟达开放物理AI模型助力机器人与自动驾驶发展开源已成为推动机器人和自动驾驶创新的重要力量。通过提供从仿真框架到AI模型的关键基础设施，英伟达正在推动协作开发，加速实现更安全、更强大的自主系统。

孙宇航的博客

自动驾驶核心技术我理解自动驾驶架构离不开算法的加持，感知层使用感知识别算法，决策规划层使用自主定位、规划决策算法，控制层使用自主控制算法。

hjs_deeplearning

文献阅读篇#15：自动驾驶中的基础模型：场景生成与场景分析综述（6）（翻译）自动驾驶中的基础模型：场景生成与场景分析综述文章发表于预印本：Foundation Models in Autonomous Driving: A Survey on Scenario Generation and Scenario Analysis

自动驾驶规划控制决策知识点扫盲局部规划采用横纵向分开规划在自动驾驶规划领域（Planning），这种做法通常被称为 “路径-速度解耦” (Path-Velocity Decomposition)。

hjs_deeplearning

文献阅读篇#14：自动驾驶中的基础模型：场景生成与场景分析综述（5）（翻译）自动驾驶中的基础模型：场景生成与场景分析综述文章发表于预印本：Foundation Models in Autonomous Driving: A Survey on Scenario Generation and Scenario Analysis

UniScene：面向自动驾驶的统一占用率中心驾驶场景生成在自动驾驶技术的飞速发展进程中，高质量、可控且带标注的训练数据起着至关重要的作用。然而，现实世界中数据收集和标注不仅耗费大量资源，还难以覆盖各种复杂场景。现有的驾驶场景生成方法大多存在局限性，要么只能生成单一数据形式，无法满足多样化下游任务的需求；要么直接从粗糙的场景布局生成数据，难以精准捕捉真实驾驶场景的复杂分布。

康谋自动驾驶

高校自动驾驶研究新基建：“实测 - 仿真” 一体化数据采集与验证平台本项目客户为国内一所智能驾驶为核心研究方向的高校科研团队。团队长期聚焦于自动驾驶感知、定位与系统级验证研究，同时承担研究生教学与科研平台建设任务。在科研与教学并行推进的背景下，客户希望构建一套可持续扩展、可复用的自动驾驶数据采集与数字孪生测试平台，支撑从真实道路采集到高保真仿真验证的完整研究链路。

基于红外热成像的自动驾驶环境中的运动物体检测_YOLOv26_1🔥 红外热成像技术在自动驾驶领域正变得越来越重要！与传统的可见光摄像头不同，红外热成像能够在各种光照条件下工作，无论是白天、夜晚还是恶劣天气，都能提供清晰的环境感知能力。想象一下，在浓雾弥漫的夜晚，传统的摄像头可能完全失效，但红外热成像却能依然清晰地识别出前方的车辆、行人和障碍物！💡

用于汽车应用的数字码调制（DCM）雷达白皮书精读DIGITAL CODE MODULATION(DCM) RADAR FOR AUTOMOTIVE APPLICATION，Wayne Stark https://www.uhnder.com/images/data/DCM_Radar_for_Automotive_Application_Final.pdf

退休钓鱼选手

[CommonAPI + vsomeip]通信原理 1作用: 提供标准化的、类型安全的服务接口特性:接口定义语言 (Franca IDL)自动生成客户端代理 (Proxy) 和服务器存根 (Stub)

会议热点扫描｜通过智能交通顶级会议IEEE IV 2025看自动驾驶领域研究热点本推文对2025年自动驾驶领域的顶会《IEEE Intelligent Vehicles Symposium》进行了分析。对已被接收论文的关键词与研究主题进行了汇总，并对其中的研究热点进行了深入分析，希望能为相关领域的研究人员提供有价值的参考。

田里的水稻

AD_车辆运动无模型横向控制_纯跟踪(PP,Pure Pursuit)车辆横向控制的目标是使车辆能够稳定、精准地跟踪预设的参考轨迹。纯追踪（Pure Pursuit）算法是一种基于几何追踪的经典控制算法，其核心思想是模仿人类驾驶员的行为：眼睛注视前方道路上的一个点，然后调整方向盘使车辆落在这个点上。

FSD入华将如何改变我国自动驾驶市场格局？马斯克亲口确认，特斯拉完全体FSD最快2月即可登陆中国市场，消息一出瞬间引爆国内自动驾驶圈。这绝非普通的OTA升级，而是能精准适配中式环岛、礼让行人等本土路况的成熟自动驾驶方案——如同当年苹果入华颠覆手机市场，特斯拉携全球顶尖自动驾驶技术进场，正准备改写中国智能汽车的游戏规则。

田里的水稻

AD_车辆运动无模型控制_PID在 Frenet 坐标系下进行车辆运动控制，通常将任务分解为横向控制（Lateral Control）和纵向控制（Longitudinal Control）。引入前馈控制（Feedforward）是为了补偿道路几何形状（如弯道）或目标速度变化带来的滞后，从而提高控制精度。

用于自动驾驶的ApolloScape数据集黄新宇，程新景，耿奇川，曹彬彬，周鼎夫，王鹏，林远清，杨瑞刚百度研究院，中国北京深度学习技术与应用国家工程实验室，中国 {huangxinyu01, chengxinjing, gengqichuan, caobinbin}@baidu.com {zhoudingfu, wangpeng54, linyuanqing, yangruigang}@baidu.com