自动驾驶

汽车和工业用激光雷达行业分析激光雷达（LiDAR）作为自动驾驶和智能驾驶领域的关键技术，近年来经历了显著的技术进步和成本下降。激光雷达通过脉冲激光照射目标并用传感器测量反射脉冲返回时间来测量目标距离，能够生成高分辨率的地图和三维模型。这种技术在汽车领域的应用已经从高端车型快速渗透到中低端市场，成为自动驾驶系统不可或缺的传感器之一。

不爱原创的Yoga

自动驾驶汽车需要哪些传感器来感知环境自动驾驶汽车需要多种传感器来感知环境，这些传感器协同工作，为车辆提供全面、准确的环境信息，从而实现安全、高效的自动驾驶。以下是主要的传感器类型及其功能：

智能汽车人

自动驾驶---方案从有图迈进无图近两年，自动驾驶量产领域，有一句话出现的频率很高：“无图也能开”，到底什么是有图，什么是无图呢？简单来说就是有高精地图（High Definition Map）和没有高精地图（但是有SD---Standard Definition Map）。

使用tritonserver完成clip-vit-large-patch14图像特征提取模型的工程化。关于openapi开源的clip-vit-large-patch14模型的特征提取，可以参考之前的文章：Elasticsearch向量检索需要的数据集以及768维向量生成这篇文章详细介绍了模型的下载地址、使用方式、测试脚本，可以让你一步实现图片特征的提取，如果你想搭建一个图片搜搜索服务，也可以参考这篇文章：Golang+Elasticsearch轻松搭建AI时代的图片搜索服务今天要讨论的不同于以往，我们要实现的是，通过nvidia的开源框架tritonserver完成openai这个模型的工程化，对外可以

cloudkernel-tech

[云讷科技]Kerloud Falcon四旋翼飞车虚拟仿真空间发布虚拟仿真环境作为一个独立的专有软件包提供给我们的客户，用于帮助用户在实际测试之前验证自身的代码，并通过在仿真引擎中添加新的场景来探索新的飞行驾驶功能。

轨迹优化 | 基于ESDF的非线性最小二乘法路径平滑(附ROS C++仿真)🔥课设、毕设、创新竞赛必备！🔥本专栏涉及更高阶的运动规划算法轨迹优化实战，包括：曲线生成、碰撞检测、安全走廊、优化建模(QP、SQP、NMPC、iLQR等)、轨迹优化(梯度法、曲线法等)，每个算法都包含代码实现加深理解

自动驾驶3D目标检测综述（八）在介绍完前九章的内容后，咱们已经基本完成了综述主题内容的解读。剩下只有第十章分析和展望以及第十一章总结的部分。本篇为自动驾驶3D目标检测综述的第八篇也将是最后一篇。

滴滴哒哒答答

《自动驾驶与机器人中的SLAM技术》ch8：基于预积分和图优化的紧耦合 LIO 系统和组合导航一样，也可以通过预积分 IMU 因子加上雷达残差来实现基于预积分和图优化的紧耦合 LIO 系统。一些现代的 Lidar SLAM 系统也采用了这种方式。相比滤波器方法来说，预积分因子可以更方便地整合到现有的优化框架中，从开发到实现都更为便捷。

【自动驾驶BEV感知之Transformer】欢迎大家关注我的B站：偷吃薯片的Zheng同学的个人空间-偷吃薯片的Zheng同学个人主页-哔哩哔哩视频 (bilibili.com)

BEVFusion论文阅读融合激光雷达和相机的信息已经变成了3D目标检测的一个标准，当前的方法依赖于激光雷达传感器的点云作为查询，以利用图像空间的特征。然而，人们发现，这种基本假设使得当前的融合框架无法在发生 LiDAR 故障时做出任何预测，无论是轻微还是严重。这从根本上限制了实际场景下的部署能力。相比之下，在BEVFusion框架中，其相机流不依赖于 LiDAR 数据的输入，从而解决了以前方法的缺点。

自动驾驶&占用网格预测⭐[ECCV 2024] SparseOcc 纯稀疏3D占用网络和 RayIoU 评估指标 ECCV 2024｜OSP：自动驾驶全新建模方法，端到端输出任意位置的占用结果 SparseOcc纯稀疏占用网络论文笔记（南大/上海AI LAB） 3D Occupancy 探索V1.0 - T-MAC的文章 - 知乎最新综述！一览Occ与自动驾驶的前世今生，首篇综述全面汇总特征增强/量产部署/高效标注三大主题 COTR:CompactOccupancyTRansformerforVision-based3DOc

协作机器人公司切入人形机器人赛道，大有可为！2025年1月13日，德国知名AI机器人、人形机器人公司【Neura Robotics】宣布完成1.2亿欧元融资（约合9.3亿元人民币），这家最早涉足人形机机器人并推出双足人形产品的协作机器人厂家再一次进入大众视野。

滴滴哒哒答答

《自动驾驶与机器人中的SLAM技术》ch4：预积分学目录1 预积分的定义2 预积分的测量模型 ( 预积分的测量值可由 IMU 的测量值积分得到 )2.1 旋转部分

Cosmos：英伟达发布世界基础模型，为机器人及自动驾驶开发加速！在2025年消费电子展（CES）上，NVIDIA发布了全新的Cosmos平台，旨在加速物理人工智能（AI）系统的开发，尤其是自主驾驶车辆和机器人。该平台集成了生成式世界基础模型（WFM）、视频标记器、安全防护机制以及一个加速的数据处理管道，这些功能帮助开发者在减少对真实世界数据依赖的情况下创建和优化AI模型。

「港科技」联手「地平线」打造GPT风格的自动驾驶世界模型：DrivingWorld摘要最近在自回归（AR）生成模型方面的成功，例如自然语言处理中的GPT系列，激发了在视觉任务中复制这一成功的努力。一些研究尝试将这种方法扩展到自动驾驶中，通过构建基于视频的世界模型来生成逼真的未来视频序列和预测自我状态。然而，先前的工作往往产生不尽人意的结果，因为经典的GPT框架旨在处理一维上下文信息（如文本），缺乏生成视频所必需的空间和时间动态的建模能力。在本文中，本文提出了DrivingWorld，这是一个GPT风格的自动驾驶世界模型，具有几种空间-时间融合机制。这种设计使得能够有效地建模空间和时间

客户案例 | Ansys与索尼半导体解决方案公司合作推进自动驾驶汽车基于场景的感知测试Ansys AVxcelerate Sensors™自动驾驶汽车（AV）传感器仿真软件，可实现面向基于场景的感知测试的实时多光谱摄像头仿真

CVPR 2024 自动驾驶方向总汇

滴滴哒哒答答

《自动驾驶与机器人中的SLAM技术》ch10：自动驾驶车辆的实时定位系统本章，我们来关注实时的激光雷达定位系统。在点云地图基础之上，我们可以把当前激光扫描数据与地图进行匹配，从而获得车辆自身的位置，再与 IMU 等传感器进行滤波器融合。然而，点云定位并不像 RTK 那样可以直接给出物理世界坐标，而必须先给出一个大致的位置点，再引导点云配准算法收敛。因此，点云定位在实际使用时，会遇到一些特有逻辑问题。本章将使用第 9 章构建的点云地图，展示点云定位的使用方法，并演示一个基于 ESKF 的实时定位方案。

轨迹优化 | 基于贝塞尔曲线的无约束路径平滑与粗轨迹生成(附ROS C++/Python仿真)🔥课设、毕设、创新竞赛必备！🔥本专栏涉及更高阶的运动规划算法轨迹优化实战，包括：曲线生成、碰撞检测、安全走廊、优化建模(QP、SQP、NMPC、iLQR等)、轨迹优化(梯度法、曲线法等)，每个算法都包含代码实现加深理解

（PVG）Periodic Vibration Gaussian:自动驾驶过程中的三维重建论文解读Periodic Vibration Gaussian: Dynamic Urban Scene Reconstruction and Real-time Rendering