感知算法

小烤箱15 天前
cuda·并行计算·感知算法
CUDA 编程完全理解系列(第四篇):硬件视角下的索引变量与分级内存机制前三篇文章中,我们理解了 GPU 的设计哲学(用并发隐藏延迟)和硬件的工作流程(GigaThread 分配 Block,Warp Scheduler 轮流执行)以及dim3的底层逻辑。
小烤箱18 天前
自动驾驶·cuda·并行计算·感知算法
CUDA 编程完全理解系列(第二篇):从 Block 生命周期理解调度在第一篇中,我们从设计哲学层面理解了为什么 GPU 需要大量线程来隐藏内存延迟。下面我们以厨师炒菜为例,复习一下上一篇的核心思想。厨师(核心)炒菜太快,但是配菜时间太长,所以多加几个灶台和配菜地方,厨师优先去准备好的灶台工作,其他灶台备菜,厨师工作完毕,然后“瞬间移动”去其准备好的灶台继续工作,而行政总厨(warp scheduler)负责调度,最大限度发挥厨师的工作效率,减少其等待切配的时间。
小烤箱19 天前
自动驾驶·硬件架构·cuda·并行计算·感知算法
CUDA 编程完全理解系列(第一篇):GPU 的设计哲学与硬件架构基础当你打开 Autoware CenterPoint 的源码时,会看到大量 CUDA kernel 和核函数调用。很多人的反应是"代码太复杂,看不懂"。但其实,CUDA 的复杂性不在代码层面,而在思维模式——它要求你用"数据并行"的方式重新思考问题。
小烤箱22 天前
人工智能·机器人·自动驾驶·autoware·感知算法
Autoware Universe 感知模块详解 | 第十一节:检测管线的通用工程模板与拆解思路导引第一节里把“为什么要从工业级框架入手、如何用阶段化路线把检测功能包吃透、以及怎样把工程交付与个人能力成长并行推进”这条主线讲清楚了:先跑通闭环,再拆解模块,随后补齐训练—导出—部署—增量更新,最终上升到范式抽象与可迁移能力。 但当真正开始进入源码细节时,最容易遇到的困难不是“看不懂某个函数”,而是缺少一个稳定的全局坐标系:不知道某段代码属于整条链路的哪一层、为什么要这样设计、以及出了问题该从哪里排查。
小烤箱23 天前
人工智能·机器学习·自动驾驶·autoware·感知算法
Autoware Universe 感知模块详解 | 第十节:工程角度的自动驾驶检测管线方法论站在 2026 年的当下,模块化架构自动驾驶体系中感知领域已经进入到"工程化成熟度高、研究红利递减"的阶段。当我们打开 Autoware Universe 或 Apollo 这样的工业级框架,会发现检测、跟踪、预测三个任务已经形成了成熟的分工体系,而框架内置的 CenterPoint、YOLOX 等模型也已经经过了多个迭代和实战验证。在第一部分中,我将着重介绍感知的三个主要子任务。
康谋自动驾驶1 年前
汽车·数据采集·传感器·时间同步·感知算法·硬件同步
康谋方案 | BEV感知技术:多相机数据采集与高精度时间同步方案随着自动驾驶技术的快速发展,车辆准确感知周围环境的能力变得至关重要。BEV(Bird's-Eye-View,鸟瞰图)感知技术,以其独特的视角和强大的数据处理能力,正成为自动驾驶领域的一大研究热点。
爱听歌的周童鞋2 年前
自动驾驶·课程总结·bev·感知算法
国内首个BEV感知全栈系列学习教程:课程总结自动驾驶之心推出的《国内首个BVE感知全栈系列学习教程》,链接。记录下个人学习笔记,仅供自己参考本次课程主要是课程总结,对之前学习的知识的一个复习
我是有底线的