自动驾驶

地平线开发者

【征程 6】工具链 VP 示例中 Cmakelists 解读在文章【征程 6】VP 简介与单算子实操中，介绍了 VP 是什么，并以单算子 rotate 为例，介绍了 VP API 使用方法。在【征程 6】工具链 VP 示例中日志打印解读中介绍了 VP 单算子示例中用到的日志打印的头文件应该怎么写。接下来和大家一起看一下 Cmakelists 在 VP 示例中扮演的角色。

智能汽车人

自动驾驶---自动驾驶端到端的一般形态这两年在自动驾驶这个行业，给人的感觉是：似乎不懂大模型，不懂端到端，就要被淘汰了。而事实并不是如此，笔者在之前的文章中《自动驾驶---聊聊传统规控和端到端》也聊过自己对传统算法和端到端的思考。

地平线开发者

【征程 6】工具链VP示例中Cmakelists解读在文章【征程 6】VP 简介与单算子实操中，介绍了 VP 是什么，并以单算子 rotate 为例，介绍了 VP API 使用方法。在【征程 6】工具链 VP 示例中日志打印解读中介绍了 VP 单算子示例中用到的日志打印的头文件应该怎么写。接下来和大家一起看一下 Cmakelists 在 VP 示例中扮演的角色。

知识搬运工阿杰

ubuntu20.04系统安装apollo10.0系统这次使用公司电脑安装apollo10.0发生了挺多问题的，搞得我快自闭了，特意整理以来近期以来发生的问题以及安装过程来给大家看安装apollo操作系统，参考百度官方文档为主

智能汽车人

Robot---SPLITTER行星探测机器人先给各位读者朋友普及一个航天小知识，截止到目前为止，登陆火星的火星车有哪些？结果比较令人吃惊：当前只有美国和中国登陆过火星。

自动驾驶“无图化”开源框架争议：技术革新还是行业风险？自动驾驶技术正经历从"高精地图依赖"向"无图化"的范式转变，而开源框架的兴起加剧了行业技术路线之争。本文系统性探讨无图化技术原理、开源框架的核心争议及其对产业链的影响：首先解析无图化的感知-决策技术栈演进，其次对比分析特斯拉FSD、华为ADS等典型方案的实现差异，进而聚焦开源框架引发的数据安全、责任归属与标准化缺失三大核心矛盾。研究揭示，无图化技术虽显著降低部署成本，但开源生态的不可控性可能引发算法同质化与安全漏洞扩散。最后提出建立开源协议分级制度、强化场景测试验证体系等解决方案，为行业健康发展提供决策参

OpenDriveVLA：通过大型视觉-语言-动作模型实现端到端自动驾驶25年3月来自慕尼黑工大和慕尼黑大学的论文“OpenDriveVLA: Towards End-to-end Autonomous Driving with Large Vision Language Action Model”。

MPDrive：利用基于标记的提示学习提高自动驾驶的空间理解能力25年4月来自南方科技大学、百度、英国 KCL和琶洲实验室（广东 AI 和数字经济实验室）的论文“MPDrive: Improving Spatial Understanding with Marker-Based Prompt Learning for Autonomous Driving”。

地平线开发者

【轻量化】三个经典轻量化网络解读模型压缩常用的方案包括量化、蒸馏、轻量化网络、网络剪枝（稀疏化）等，详细介绍可见文章：模型压缩理论简介及剪枝与稀疏化在 J5 上实践。最近在学习地平线提供的轻量化网络结构 HENet，结合几年前整理的 mobilenetv3、Efficnertnet 放在一块进行介绍。

运动规划实战案例 | 基于四叉树分解的路径规划(附ROS C++/Python仿真)路径规划的本质是在给定环境中寻找从起点到终点的最优或可行路径，其核心挑战在于如何高效处理环境信息。传统栅格法将环境均匀划分为等大小的网格，虽直观但面临“维度灾难”——环境规模扩大时，计算量呈指数级增长。例如，一个100×100的二维栅格地图需维护10000个节点，而三维环境下这一数字将飙升至百万级别。拓扑图路径规划算法的核心思想在于将复杂的高维连续空间抽象为低维的离散图结构。基于障碍边界的可视图法(运动规划实战案例 | 基于可视图的路径规划算法(附ROS C++/Python仿真))以及维诺图法(路径规划

想成为PhD的小提琴手

论文阅读11——V2V-LLM：采用多模式大型语言模型的车对车协同自动驾驶当前的自动驾驶车辆主要依赖于其各个传感器来了解周围场景并规划未来的轨迹，而当传感器发生故障或被遮挡时，这可能是不可靠的。为了解决这个问题，人们提出了通过车对车（V2V）通信的协作感知方法，但它们往往专注于检测或跟踪等感知任务。这些方法如何有助于整体合作规划绩效仍然没有得到充分的研究。受到使用大型语言模型（LLM）构建自动驾驶系统的最新进展的启发，我们提出了一种新颖的问题设置，将多模式LLM集成到协作式自动驾驶中，并提出了车对车调度服务（V2V-QA）数据集和基准。我们还提出了我们的基线方法车对车多模式大型

地平线开发者

智能驾驶中预测模块简介轨迹预测是自动驾驶系统“感知-预测-规控”流程中的核心环节，位于感知与规划模块之间，起到承上启下的作用。感知系统负责检测道路环境中的动态和静态元素，包括车辆、行人、自行车、交通标志、车道线等，而预测模块的任务是对这些动态对象（Agent）的未来轨迹进行推测，为后续的决策和规划提供参考。

地平线开发者

征程 6｜工具链 VP 示例中日志打印解读在上一篇文章【征程 6】VP 简介与单算子实操中，介绍了 VP 是什么，并以单算子 rotate 为例，介绍了 VP API 使用方法，其中有一些日志打印的代码显得特别高大上

计算机视觉算法实战——基于YOLOv8的自动驾驶障碍物实时感知系统✨个人主页欢迎您的访问 ✨期待您的三连 ✨✨个人主页欢迎您的访问 ✨期待您的三连 ✨✨个人主页欢迎您的访问 ✨期待您的三连✨

自动驾驶 | 为CarLA添加一辆小米SU7 Part ICarLA是一款基于虚幻引擎4（Unreal Engine 4）构建的开源自动驾驶仿真平台，为自动驾驶算法的研发、测试与验证提供高保真的虚拟环境。其核心特性包括：

镜片防雾性能测试仪在自动驾驶与无人机领域的创新应用在自动驾驶汽车与无人机技术突飞猛进的今天，环境感知系统已成为决定其安全性的核心要素。激光雷达（LiDAR）作为自动驾驶的"数字眼睛"，通过发射数万次/秒的激光脉冲构建三维点云图；无人机则依赖高精度光学镜头实现避障与航拍。然而，这些精密光学系统正面临一个致命挑战——镜片结雾。当温差导致水汽在传感器表面凝结时，激光雷达的探测精度可能骤降40%，无人机摄像头可能产生高达32%的图像失真。这种突发性视觉障碍，可能成为智能交通系统的"阿喀琉斯之踵"。Delta德尔塔仪器自主研发的镜片防雾性能测试仪，主要用于检测镜片

向上的车轮

NOA是什么？国内自动驾驶技术的现状是怎么样的？汽车的NOA指的是“Navigate on Autopilot”，即导航辅助驾驶或领航辅助驾驶。这是一种高级驾驶辅助系统（ADAS）的功能，它允许车辆在设定好起点和终点后，自动完成行驶、超车、变道、拐弯等操作，尤其是在高速公路和城市道路上。NOA功能主要依靠车辆上的传感器（如摄像头、雷达）、高精度地图和导航系统来实现对周围环境的感知，并通过复杂的算法来做出相应的驾驶决策。

闭环SOTA！北航DiffAD：基于扩散模型实现端到端自动驾驶「多任务闭环统一」端到端自动驾驶目前是有望实现完全自动驾驶的一条有前景的途径。然而，现有的端到端自动驾驶系统通常采用主干网络与多任务头结合的方式，但是它们存在任务协调和系统复杂度高的问题。为此，本文提出了DiffAD，它统一了各种驾驶目标并且联合优化所有驾驶任务。实验结果证明了该方法的优越性。

智能汽车人

自动驾驶---学术论文的常客：nuScenes数据集的使用nuScenes 数据集在大模型训练中应用广泛，在很多CVPR或者其它论文中经常能看到使用nuScenes 数据集达到SOTA水平。

达柳斯·绍达华·宁

自动驾驶04：点云预处理03感知算法人员在完成点云的运动畸变补偿后，会发现一个问题：激光雷达发送的点云数据包中的点云数量其实非常少，完全无法用来进行后续感知和定位层面的处理工作。