康谋keymotek

• 康谋分享 |一文吃透激光雷达-相机联合标定：从几何原理到重卡实测闭环

  引言 在自动驾驶和机器人感知系统里，激光雷达（LiDAR）和相机（Camera）是自动驾驶系统中最常见的一对互补传感器：激光雷达提供准确的三维空间和距离信息，相机提供高分辨率的颜色与纹理。两者融合，才能让系统既“看得远、测得准”，又“认得出、分得清”。 但融合的第一步，不是目标检测，也不是特征提取，而是让两个传感器的数据先对上。 实际工程中，激光雷达点云投影到图像上，常出现标定板边缘偏移、障碍物轮

  康谋keymotek

  48

  11/07 11:33

  自动驾驶

  
• 安全成为汽车“生命线”，康谋aiSim如何支撑组合驾驶辅助安全落地？

  一、引言 10月20日，国新办召开2026年前三季度工业和信息化发展情况新闻发布会。工信部明确提出，安全是汽车企业的生命线与核心竞争力，要防范测试验证不充分的汽车产品进入市场。 随着GB 47955—2026《智能网联汽车 组合驾驶辅助系统安全要求》落地实施，行业对可复现、高可信、可追溯的验证方案需求愈发迫切。在这套验证体系中，仿真工具链的安全能力是关键一环。 作为全球首个通过ISO 26262认

  康谋keymotek

  220

  10/31 15:46

  仿真测试

  
• 智驾数采踩坑：看着正常的时间戳，藏着传感器伪同步陷阱

  ⚠️ 不少智驾工程师做路测数采时，以为打上时间戳就完成时序同步，感知融合却出现鬼影、目标错位，这就是隐蔽的多路传感器伪同步陷阱。 📖 本期康小谋的智驾踩坑日记，让康小谋和 K 仔带您拆解多路传感器伪同步问题，理清时间戳与真实同步的区别，掌握数采阶段排查思路。 康小谋的智驾踩坑日记 第一期 01 02 03 04 关于康谋科技 康谋（前身为虹科自动驾驶事业部）是一家专注于智驾与机器人领域的解决方案供

  康谋keymotek

  78

  10/30 11:04

  仿真测试

  
• 别被时间戳骗了！智驾数采多路传感器伪同步问题深度解析

  引言 在自动驾驶工程落地中，高质量路测数据，是感知迭代、仿真测试、场景重建的核心底座。 在一线工程实践中，我们发现多路传感器伪同步，就是智驾数采里最隐蔽、最容易误判的工程大坑。它不会触发系统报错，却会持续引发融合鬼影、目标错位、场景失真等一系列下游疑难问题。 这类问题偶发、难复现、无显性日志提示，常规排查手段几乎无法定位根源，长期拖累数据闭环与算法迭代效率。 本文结合康谋一线项目实战经验，拆解多路

  康谋keymotek

  205

  10/30 10:54

  数据采集

  
• 从 “盲盒标定” 到全链路可控：半自动化车载多传感器标定方案

  引言 在 L2 及以上自动驾驶系统中，多传感器融合是环境感知的核心。各类传感器原理各异，​必须依靠标定统一坐标系，才能实现多源数据空间对齐​，标定好坏直接决定感知上限。但​传统标定如同开盲盒​，数据质量无法前置判断，问题往往到下游才暴露。 在一线项目对接中，我们真切感受到不少研发团队在标定环节遇到共性难题： 工具碎片化割裂：相机、激光雷达、毫米波雷达标定需多款独立软件，坐标系与文件格式不兼容，频繁

  康谋keymotek

  87

  10/24 13:22

  车载传感器

  
• 欧盟ADAS新规解读：智驾边界工况与可信仿真成合规核心壁垒

  引言 随着欧盟通用安全法规GSR全面落地，Euro NCAP新增CPMFC踏板误操作儿童避险场景、ADDW 高级驾驶员分心预警两大强制测试项目，全球 ADAS 验证标准迎来新一轮升级。 两项新规，一个聚焦车外行人保护，一个聚焦座舱驾驶员监测，背后传递出清晰的行业信号：法规考核早已不再只看系统基础识别能力，而是要求全覆盖边界工况、精准区分正常与危险行为、测试可复现、数据可审计。 在这样的行业大背景下

  康谋keymotek

  151

  10/16 14:10

  ADAS

  
• aiSim拖车联调新进展：传感器视角下的拖车角度感知验证

  引言 随着房车经济、户外出行与商用转运的兴起，乘用车拖挂场景正变得日益普遍，对拖挂场景仿真算法的真实落地验证提出更高要求。 此前康谋已发布《拖车联调实战：用aiSim打通车辆-拖挂仿真闭环》，详细介绍了aiSim在拖车资产建模、耦合装配与动力学验证方面的底层能力。 但仅有高保真动力学模型还不足以支撑算法闭环开发。实车测试获取拖车铰接角存在误差大、危险工况难以复现等痛点；传统仿真大多只能输出理论真值

  康谋keymotek

  251

  10/09 13:30

  传感器

  
• 城市道路数据集大胆公开，凭什么没违规？——MicroVision的合规实践

  引言 微型出行，指的是以自行车、电动滑板车等轻型交通工具为主的出行方式，重点关注骑行者、电动滑板车骑行者以及共享道路空间的行人等弱势道路使用者（Vulnerable Road Users，简称 VRU）。 为了提升微型出行的安全性，查尔姆斯理工大学的研究人员开发了 MicroVision——一个专注于弱势道路使用者之间互动的开创性数据集。 然而，在城市公共空间采集数千张高清图像，会带来严重的 GD

  康谋keymotek

  252

  09/18 16:11

  自动驾驶 数据采集
• 数据闭环转不起来？详解断链痛点&采集‑仿真一体化方案

  引言 数据闭环的概念，在智驾行业早已形成共识：从"路采数据→回传标注→场景重建→仿真回归→算法部署"的飞轮逻辑，数据每循环一次，场景库与算法能力就增厚一层——谁的数据引擎转得快，谁迭代就快。 监管层面也在快速跟进：2026年1月28日实施的推荐性国标GB/T 47025-2026《智能网联汽车 自动驾驶功能仿真试验方法及要求》，为自动驾驶功能的仿真试验提供了国家标准层面的方法依据；2026年7月3

  康谋keymotek

  311

  09/12 16:48

  自动驾驶 数据采集

  
• 拖车联调实战：用aiSim+Blender打通车辆

  引言 乘用车拖车场景正随着房车经济、户外出行与商用转运的兴起而快速增长。牵引车与挂车经球铰连接，构成典型的铰接多体系统；该系统在制动、转向等工况下会产生强耦合的横摆—侧倾动力学行为，并显著改变感知—决策系统的输入分布。 乘用车-拖车系统通常采用 Tractor-Trailer 建模框架：牵引车具备横摆与侧倾自由度，挂车经球铰与牵引车连接，并引入挂车铰接角及其衍生自由度。系统总自由度随挂车数量与结构

  康谋keymotek

  294

  09/07 16:19

  自动驾驶 仿真

  
• 从“识别已知”到“发现未知”：3D通用目标检测如何打开智驾感知新边界

  在智能驾驶感知中，车辆、行人、交通标志等高频目标已有相对成熟的检测方案。但真正影响安全上限的，往往是那些低频、罕见、甚至从未出现在训练集中的“长尾障碍物”：遗落在路面的纸箱、散落物、施工材料、路面坑洼，或远距离的小型异物。 这类目标给3D通用检测带来了多重挑战：首先，传统监督学习依赖预定义类别与大量标注，新类别的引入通常意味着重新采集数据、标注和训练；其次，小目标、远距离目标以及弱反射目标本就难以

  康谋keymotek

  834

  08/28 11:03

  自动驾驶 智能驾驶
• 破解座舱数采五大痛点：DMS/OMS多路相机数采工程方案

  01 引言 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

  康谋keymotek

  618

  08/28 10:10

  数据采集 数码相机
• 在aiSim中构建虚拟世界：打造高可信度仿真所需的三维环境

  仿真器的实用价值，取决于它所构建的虚拟世界。传感器模型、物理引擎与场景逻辑，一切都首先依赖于一件事：环境的真实性。 aiMotive搭建了一套完整自研三维内容生产管线，为aiSim仿真平台提供全部所需素材 —— 小到单块路缘石，大到横跨三大洲、绵延数公里的高速公路路网。 康谋面向国内智能驾驶客户，提供aiSim仿真平台完整落地与技术支持服务，拥有仿真环境定制化技术服务能力，助力企业快速搭建高可信度

  康谋keymotek

  335

  08/17 16:25

  自动驾驶 仿真

  
• RTK 总间歇失效？分层系统从容应对隧道与密林等遮挡

  01 引言 当前园区配送、厂区巡检等低速自动驾驶场景，主流落地方案普遍采用RTK高精定位+预录轨迹跟随架构。该方案在开阔无遮挡环境下表现稳定，但存在致命的场景局限性——高度依赖全程连续、可靠的RTK定位信号。 在真实作业场景中，隧道通行、密林遮挡、周边高楼遮挡等工况频发，极易造成RTK信号间歇失效。且这类失效并非直接断联报错，往往会退化为偏差高达十余米的浮点解。若系统无甄别、无降级策略，直接沿用失

  康谋keymotek

  338

  08/17 16:08

  自动驾驶 激光雷达

  
• 高保真+强可控：自动驾驶仿真的混合渲染方案

  01 行业痛点与挑战 自动驾驶的研发高度依赖数据，但行业仿真测试主流路线各有短板： 传统仿真器（如CARLA） 基于游戏引擎思路，场景可控、物体可任意摆放，但画质不够真实，仿真数据与真实世界之间存在明显的“域偏移”——仿真环境里训练良好的算法，部署到实车上表现常打折扣。同时，构建高精度三维环境也需要大量人工。 神经重建方案（NeRF/3DGS） 能生成照片级逼真的渲染结果，但场景本身是“固化”的—

  康谋keymotek

  471

  08/10 11:35

  自动驾驶 仿真

  
• GMSL2相机ROS2采集链路：多相机时序偏差降低方案

  引言 在自动驾驶感知算法的实车路测与闭环验证中，GMSL2车载相机已是前装主流视觉传感器。然而，GMSL2采集过程中工程师也常面临一些棘手问题： 1、时间同步精度不足：多摄像头间的时间戳对齐误差若超过毫秒级，将导致融合算法产生运动畸变（如“瞬移”伪影），直接影响模型训练数据的有效性； 2、ROS1架构的先天局限：基于中心化Master与单线程回调机制的ROS1采集链路，在GMSL2高并发数据流下暴

  康谋keymotek

  539

  08/08 11:29

  传感器 数据采集

  
• 3DGS+端到端：智能驾驶仿真场景自动化构建新路径

  一、背景与挑战 随着国标新规持续推进，以及端到端智能驾驶算法对长尾场景、闭环验证和高保真传感器仿真的要求提高，行业正在加速从“数据驱动的道路测试”走向“真实场景驱动的数字孪生测试”。面对复杂城区、快速路、匝道及交叉口等典型道路环境，如何快速构建可复用、可编辑、可验证的仿真场景，已成为智能驾驶研发效率的关键变量。 传统数字孪生场景构建通常依赖路网绘制、三维资产建模、材质贴图、交通设施配置与资产摆放等

  康谋keymotek

  548

  07/29 14:34

  传感器 智能驾驶

  
• 康谋业务全景速览｜自动驾驶仿真、数据闭环、机器人与院校实训一站式方案

  康谋（Keymotek）是由虹科（专精特新小巨人、高新技术企业）孵化的，专注于智能驾驶和具身智能领域的业务主体。凭借团队数十年汽车软硬件开发经验，目前主要为智驾及具身智能研发测试的整个流程提供数据闭环解决方案。 公司以数据为核心驱动力，面向车企、Tier1、机器人企业、科研机构提供包括硬件设备、软件工具链、技术开发服务完整的交钥匙方案与服务，合作客户覆盖奥迪、奔驰、宝马、大众、比亚迪、蔚来、上汽、

  康谋keymotek

  677

  07/29 09:06

  智能驾驶 HiL

  
• 面向封闭场景的无人车全自主巡航整体解决方案

  一、前言 在自动驾驶行业整体落地进程中，开放道路Robotaxi、干线物流等场景始终受制于政策法规限制、长尾极端场景复杂、安全管控成本高等问题，规模化商业化落地周期长、不确定性大，难以快速实现稳定商业闭环。 与之形成鲜明对比的是，高尔夫球场、产业园区、实训基地等封闭低速、固定路线垂直场景，具备运行规则清晰、作业环境可控、资产风险低、落地门槛低等核心优势，已经进入商业化落地的黄金窗口期，是现阶段自动

  康谋keymotek

  261

  07/22 08:49

  边缘计算 数字孪生

  
• 摄像头无处不在，隐私保护如何不掉队？

  一、引言 2026 年，我们已完全生活在一个“视觉世界”中，智能城市监控、车载行车记录仪、市场调研影像、AI 训练素材等场景中，摄像头无处不在，图像与视频数据呈爆发式增长。这些数据为技术创新、业务分析与服务优化提供了海量支撑，同时也带来了严峻的隐私安全与合规挑战。视觉数据区别于传统文本数据，单帧画面可同时包含人脸、车牌、住址等多重个人身份信息（PII），传统数据治理手段难以应对规模化、多维度的隐私

  康谋keymotek

  400

  06/26 17:11

  摄像头

正在努力加载...