自动驾驶

【自动驾驶与机器人控制】几何学和运动学中，四元数q.normalize() 到底干了什么？——修复模长 ≠ 修复角度误差四元数用来表示旋转时，必须是单位四元数，也就是它的模长（范数）必须等于 1。 ∣ q ∣ = w 2 + x 2 + y 2 + z 2 = 1 |q|=\sqrt{w^2+x^2+y^2+z^2}=1 ∣q∣=w2+x2+y2+z2 =1

多点巡检机器人项目技术总结一个完整的AI机器人应该至少包括上位机和下位机两个部分：下位机需要采用RTOS实时调度系统以确保可以实时控制机器人运动，也就是所谓的“小脑"。由于AI机器人需要自主感知环境，并且根据环境信息自动做出正确的运动决策，这就需要各种传感器包括：激光雷达、相机、超声波、GPS等用于获取周围环境信息，并结合AI算法进行计算，然后做出运动决策。下位机通常没有高算力，需要提供较高算力的上位机通过传感器获取周围环境信息，然后采用AI模型进行计算，计算后向下位机发出相应的控制指令，下位机接收到控制指令后，控制机器人运动，这

【自动驾驶和机器人控制】万向锁(Gimbal Lock)原理详解 + 和欧拉角 / 四元数 / SO(3)对比前置：欧拉角是用「三次依次绕坐标轴转动」来描述姿态，例如车辆常用的 Yaw (偏航‑Z)、Pitch (俯仰‑Y)、Roll (滚转‑X)，不同书籍旋转顺序不一样（Z‑Y‑X、X‑Y‑Z 等），万向锁本质来源于「顺序旋转」这个机制，不是数值 bug，是数学结构问题。

四元数、李群SO(3)/李代数so(3)的作用及应用场景很多初学者的误区：“四元数 / 李群就是用来把点从 A 坐标系转到 B 坐标系”。 ✅坐标变换只是它们其中一个小能力，不是全部目的。结合之前的motion.cpp仿真、IMU、SLAM / 自动驾驶真实工程场景来讲，不用纯抽象数学。

【自动驾驶/机器人控制】之坐标系&运动学仿真代码工程分析（一）来源：motion.cpp，仿真刚体圆周运动，模拟 IMU 姿态积分过程。整体逻辑：每一步仿真周期 dt 内，先做位置更新，再做姿态旋转更新，最后推送数据给 Pangolin 可视化。注意执行顺序：先更新位置，后更新姿态，这个顺序是本仿真的设定。

rtu遥测终端机

既要通信可靠，又要边缘算力：四信系列车载网关选型指南在商用车智能化与无人驾驶从试点走向规模化落地的今天，车载网关已不再是简单的通信管道，而是整车电子电气架构中承上启下的“神经中枢”。它既要承接多类型传感器的数据汇聚与协议转换，又要在极端工况下保障通信链路永不掉线——这对网关的工业级可靠性、通信冗余能力和场景适配性提出了截然不同的要求。

自动驾驶SLAM基础：几何学与运动学全解析这份笔记为你详细梳理自动驾驶与机器人SLAM技术中至关重要的“几何学”与“运动学”基础。这部分内容是整个自动驾驶学科的地基，后面的IMU预积分、激光里程计、状态估计（滤波与优化）全都构建于此。我们抛开枯燥的课本口吻，用工程师的视角，把这些概念、定理和应用场景掰开揉碎。

计算机毕设选题｜基于大数据与文本挖掘的自动驾驶事故成因分析及可视化研究｜Hadoop+PySpark+Django+Vue精彩专栏推荐订阅：在下方主页👇🏻👇🏻👇🏻👇🏻💖🔥作者主页：计算机毕设木哥🔥 💖

爱分享的康康

端到端自动驾驶仿真平台选型：确定性、传感器保真与车规合规实践端到端自动驾驶仿真平台，主要面向 ADAS/AD 算法开发、回归验证、传感器仿真、SOTIF 预期功能安全合规，覆盖软件在环 SiL、硬件在环 HiL 完整闭环链路，可支撑城市 NOA、高速 NOA、AVP 自动泊车、商用车场景测试，同时需要解决仿真时序噪声、虚实差距 Sim‑to‑Real、算力瓶颈、长尾 Corner Case 场景、出海车规合规等现实工程问题。

爱分享的康康

新品速递 | LOGifyer B1 SE紧凑型数据记录仪正式发布！随着ADAS高级驾驶辅助系统与自动驾驶技术持续迭代，车企及研发团队的实车测试、场景验证频次大幅提升，行业对车载多传感器数据采集、同步记录、高效数据处理的需求持续激增，高性价比、易部署、高稳定性的入门级数采设备成为智驾研发落地的刚需。

爱分享的康康

自动驾驶 HiL 测试选型｜主流方案、供应商评估与仿真技术解析硬件在环（Hardware‑in‑the‑Loop，HiL）将真实智驾域控制器、ECU 作为被测硬件 DUT 接入虚拟仿真环境。仿真系统输出摄像头、激光雷达、毫米波雷达、GNSS/IMU 等传感器原始信号，接收域控输出的车辆控制指令，联动车辆动力学模型形成完整闭环，在实验室完成大量危险、极端、法规场景验证，降低实车测试成本与风险。

爱分享的康康

破解座舱数采五大痛点：DMS/OMS多路相机数采工程方案当前，DMS（Driver Monitoring System，驾驶员监测系统）和 OMS（Occupant Monitoring System，乘员监测系统）正从"加分项"快速走向"必选项"。法规层面，欧盟 ADDW（Advanced Driver Distraction Warning，高级驾驶员分心预警）法规已于 2024 年 7 月对新车型强制实施，2026 年 7 月将覆盖所有新车；中国 C-NCAP 2024 版首次将 DMS 纳入主动安全评价体系（赋分 2 分）。法规倒逼之下，DMS/OM

Fast‑BEV 完整实战教程（智驾工程视角）论文：Fast‑BEV: Towards Real‑time On‑vehicle Bird’s‑Eye View Perception（NeurIPS2022）定位：纯相机 BEV 3D 检测，主打车端可部署、低延迟，基于 MMDetection3D 开发，属于 LSS 系列视图变换路线，不使用 BEVFormer 那种 Transformer cross‑attention。整体流水线：多相机图像输入 → 2D Backbone+FPN 多尺度提取图像特征 → Fast‑Ray 视图变换（2D 特

我叫孙一鸣-专注电子元器件

自动驾驶的眼睛正在换代：激光雷达的“小镜子”正在改变未来过去几年，自动驾驶一直是汽车行业最受关注的方向之一。很多人认为：自动驾驶的核心竞争是：更强的AI算法。

上交大秦通团队&卓驭提出MultiPark：基于下一段预测范式的端到端泊车，实车已验证「从逐点token到逐段预测」目录01 为什么端到端泊车比端到端行车更难？02 把“下一点预测”改成“下一段预测”

别动我齐刘海

机器人运动控制学习4——状态估计 State Estimation我们会继续用大白话把这些讲明白：把这块学懂之后，你就会开始真正理解：控制器不是直接控制“真实机器人”，而是在控制“状态估计器告诉它的那个机器人”。

无人车供电闪断数据丢失？SV920网联域控制器掉电保护方案 | 星创易联无人车商业化加速落地，5G 通信、TSN、智驾算力成为行业热议焦点，但车载供电闪断、突发掉电引发日志丢失、系统宕机、现场运维成本高企，已经成为制约矿卡、港口集卡、园区无人车批量商用的隐形卡点。在实景复杂工况下，硬件可靠性才是规模化运营的底层基石。依托车规级硬件可靠性设计，星创易联SV920网联域控制器以原生硬件级掉电保护能力，补齐极端工况下的车载系统安全短板，为无人车7×24小时常态化商用运营筑牢底层保障。

weixin_44626085

G‑MARK：基于知识图谱的协同自动驾驶接地多智能体推理框架论文来源：arXiv:2608.19964v1自动驾驶系统运行在部分可观测环境下，安全关键目标可能被遮挡，仅能被周边联网车辆观测。车‑车协同可以降低这种不确定性，但现有协同驾驶方法大多将多智能体证据压缩为隐式特征或者多模态隐藏状态。该处理方式会丢失关键信息：哪个智能体观测到该目标、自车是否可以看到该目标、冲突证据如何影响下游决策。

吃旺旺雪饼的小男孩

自动驾驶图像分割开源数据集指南（2026）做分割几乎都从 Cityscapes 下起，下完才发现：BDD 名字带 100K，有分割标签的只有 10K；*_color.png 不能当监督；SYNTHIA 的 13/16 类 mIoU 和 Cityscapes 19 类不能写在同一格。下面按任务和场景整理我核对过官网的集合，只收带像素级或点级分割标注的。命令以 2026-08 仍能打开的入口为准，404 时回到项目主页，不要死磕旧直链。

2025 AI编程进入“自动驾驶“时代：我用MonkeyCode把Agent、MCP和AI原生工作流跑通了2025年，AI领域最大的变化，不是某个模型的参数又翻了几倍，而是AI开始从"聊天工具"变成"生产力工具"。作为一线开发者，这一年来我最深的感受是：当大家都在讨论"AI会不会取代程序员"的时候，真正聪明的做法，是赶紧把AI变成自己的同事。