自动驾驶

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

CCC：CarCrazeCurator

自动泊车超声波雷达（Sonar）自动泊车场景下的超声波雷达（车载Sonar），是通过发射40-58kHz高频超声波信号，接收障碍物反射的回波信号，基于声学传播原理实现车辆周边近距离障碍物测距、定位的车规级传感器，核心用于自动泊车（APA/AVP）系统的车位识别、轨迹规划与实时避障，其核心工作公式为，其中为探测距离，为超声波在空气中的传播速度（常温下约340m/s，需根据环境温度动态修正），为超声波发射与回波接收的时间差。

奔袭的算法工程师

CRN源码详细解析（4）-- 图像骨干网络之DepthNet和ViewAggregation系列文章见CRN源码详细解析（1）-- 框架RVTLSSFPN类继承BaseLSSFPN，两个类中都有DepthNet，但两个是不一样的，可以查看代码，BaseLSSFPN的是这这样：

hjs_deeplearning

文献阅读篇#12：自动驾驶中的基础模型：场景生成与场景分析综述（3）（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

hjs_deeplearning

文献阅读篇#11：自动驾驶中的基础模型：场景生成与场景分析综述（2）（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

奔袭的算法工程师

CRN源码详细解析（2）-- 图像骨干网络之Resnet18系列文章见CRN源码详细解析（1）-- 框架模型在camera_radar_net_det.py文件中定义，入口在CRN_r18_256*704_128*128_4key.py中，模型类的最后几行代码

不做无法实现的梦～

PX4怎么使用使用PlotJuggler分析PX4日志这是一个很好用来调试px4日志的工具，当然不只是px4,其他日志也可以安装教程参考我之前的文章：https://blog.csdn.net/2301_79618994/article/details/153567728?spm=1001.2014.3001.5502

虹科网络安全

艾体宝方案 | 释放数据潜能 · 构建 AI 驱动的自动驾驶实时数据处理与智能筛选平台随着自动驾驶技术从原型验证迈向规模化商用，研发范式正经历从“以算法为中心”向“以数据为中心”的根本性转变。海量、高维、多模态的道路采集数据，已不再只是测试过程中的副产物，而是驱动算法持续演进、提升系统安全冗余和泛化能力的核心生产资料。

不做无法实现的梦～

使用ros2来跑通mid360的驱动包mid360的驱动已经适配ros2了接下来是详细的跑通步骤目录结构：这个是对应的目录结构修改需要把pcakage_ROS2.xml修改成package.xml这样才能被ros2识别

智慧医院运行管理解决方案专家

当医院安全进入“自动驾驶”时代：AI机器人医院安全值守日记凌晨三点，医院的走廊终于安静下来。我像过去十几年一样，盯着监控大屏熟悉的画面。对讲机里传来巡逻队员略带疲惫的汇报：“三楼东区，一切正常。”

渡众机器人

开启智慧交通教学新篇章——智能网联车路协同沙盘让前沿科技，走进你的课堂当智能网联汽车从概念驶入现实，我们需要培养更多未来的交通工程师与技术人才。北京渡众机器人科技有限公司的智能网联车路协同教学沙盘，正是为高职与高等院校量身打造的沉浸式、高互动、全场景教学解决方案。它将复杂的车路协同（V2X）技术、自动驾驶逻辑与城市交通管理，微缩于方寸之间，让抽象理论触手可及。

突破边界，智联未来：赋能远程控制新体验突破边界，智联未来AIR SC6N0-C 赋能远程控制新体验在机器人巡检的道路之上，在自动驾驶的智能座舱之中，在每一次需要毫秒级响应的远程控制场景里，低延迟、高画质的实时传输，早已成为技术突破的核心命题。视程空间AIR SC6N0-C基于 Orin™ NX 平台构建而来，正是为打破这一技术瓶颈而生的硬核解决方案。

AD-GS：面向自监督自动驾驶场景的目标感知 B 样条高斯 splatting 技术在自动驾驶仿真领域，动态城市驾驶场景的建模与渲染至关重要。高质量的场景渲染能够为自动驾驶算法的训练和测试提供逼真的虚拟环境，然而当前主流方法却面临着两难困境：一方面，依赖人工 3D 标注的方法虽然能实现高质量渲染，但标注成本极高，严重限制了其大规模应用；另一方面，自监督方法虽无需人工标注，但在动态目标运动捕捉的准确性和场景分解的合理性上存在明显不足，常常导致渲染伪影。

王锋(oxwangfeng)

自动驾驶领域OCC标注OCC 标注（占据栅格标注）是自动驾驶环境感知的核心标注方案，其逻辑是将车辆周围的三维空间离散为规则的 “栅格”，并标注每个栅格的「是否被物体占据、占据类型、置信度」等信息。