感知系统

加入交流群
扫码加入
获取工程师必备礼包
参与热点资讯讨论
  • 自动驾驶汽车是如何进行“场景理解”的?
    自动驾驶中的场景理解是指车辆通过感知系统获取周围环境信息后,将其转化为有用信息,以便决策和控制模块做出安全、可靠的行动。场景理解涉及整合路面信息、理解对象间关系和意图,以及时间维度的表示。为了达到更好的效果,需要合适的表示方式、丰富的数据和合理的架构。此外,还需考虑实时性、鲁棒性和可验证性,以确保自动驾驶的安全性能。
    自动驾驶汽车是如何进行“场景理解”的?
  • 海绵压缩变形试验机传感器原理与计量溯源性探秘
    在海绵压缩变形试验中,传感器是捕捉试验数据的 “核心感知器官”,而计量溯源性则是确保数据可靠的 “信任基石”。二者共同支撑着试验结果的准确性,只有理解传感器的工作逻辑、把控计量溯源的关键环节,才能让试验数据真正反映海绵的性能特性,为产品质量评估提供有效依据。​
  • 如何处理自动驾驶感知传感器物理偏移问题?
    自动驾驶车辆在行驶过程中由于各种因素可能导致感知传感器发生微小的物理偏移或姿态变化,这对自动驾驶系统的感知、定位、融合和决策至关重要。为了应对这一挑战,需要采取一系列措施来预防和检测传感器偏移,包括严格的初始标定、定期维护和在线自动校准。此外,采用多传感器融合和冗余设计,能够提高系统的鲁棒性和稳定性,确保在单个传感器出现问题时,其他传感器仍能提供可靠的环境感知和定位信息。
    如何处理自动驾驶感知传感器物理偏移问题?
  • 低速自动驾驶在技术上有什么侧重点?
    无人驾驶技术在乘用车和低速无人车的应用存在显著差异。尽管二者在技术上有相似之处,但应用场景和技术要求有所不同。低速无人车在封闭或半封闭区域运行,主要关注近距离、细节丰富的交互,而乘用车则需处理高速和复杂道路的感知与定位。此外,低速无人车还需应对更多的社会规范和人车互动问题,而乘用车则更注重高速下的安全性与舒适性。
    低速自动驾驶在技术上有什么侧重点?
  • 鹰眼视觉 VS 雷达感应:谁才是智能驾驶的“火眼金睛”?
    在智能驾驶技术飞速发展的今天,车辆的 “感知系统” 就像人类的眼睛,决定着行车安全与智能体验。其中,鹰眼视觉和雷达感应是两大核心技术路线,它们各有所长,也在实际应用中互补协作。今天,我们就来深入解析这两种技术的奥秘。
    鹰眼视觉 VS 雷达感应:谁才是智能驾驶的“火眼金睛”?
  • 自动驾驶汽车如何确定自己的位置和所在车道?
    自动驾驶汽车通过卫星定位、惯性测量单元、车速传感器、摄像头和激光雷达等多种传感器获取周围环境信息,然后通过卡尔曼滤波、粒子滤波等算法融合这些数据,建立对自身位置和周边环境的认知。此外,高精地图和地图匹配技术进一步提高定位精度,使自动驾驶汽车能够准确判断所在的车道。在地图缺失或失配的情况下,自动驾驶汽车依赖视觉/激光SLAM、视觉里程计等技术保持定位连续性。
    自动驾驶汽车如何确定自己的位置和所在车道?
  • 冰雪透明化:架空线路观冰图像感知装置,成防冰“利器”
    为什么说覆冰和电力是“相爱相杀”? 覆冰和电力被形象地称为“相爱相杀”,主要是因为它们之间既有密切的联系,又存在严重的矛盾和冲突。 相杀:冰雪之重,电网之痛 一方面,电力输送线路常常暴露在自然环境中,尤其是在寒冷潮湿的气候条件下,空气中的水汽容易在输电线路和铁塔表面凝结成冰,形成覆冰现象。覆冰的存在直接影响电力线路的安全运行,因为冰层会增加线路和铁塔的重量,导致结构受力异常,甚至引发断线、铁塔倒塌
  • 自动驾驶与具身智能的感知系统有何差别?
    小鹏汽车发布“IRON”人形机器人,展示了自动驾驶与具身智能在感知技术上的相似性和差异。自动驾驶注重安全性与可靠性,依赖前装传感器和大数据;具身智能则侧重适应性与交互能力,依赖在线学习和较少的数据量。汽车企业的优势在于成熟的硬件平台和大规模的真实数据集,有助于快速部署具身智能能力。
    自动驾驶与具身智能的感知系统有何差别?
  • 看似简单的自动泊车需要哪些技术支撑?
    自动泊车技术依赖于多个关键技术的支持,包括感知、定位、地图、规划与控制、安全保障等方面。感知模块通过超声波、摄像头、毫米波雷达和激光雷达等多种传感器融合来识别环境和目标。定位与地图技术则依靠视觉SLAM、标签、二维码等手段实现高精度定位,并结合高精地图提供车位级信息。规划与控制模块运用路径规划和控制算法确保车辆安全、精确地到达目标车位。此外,系统还需遵循功能安全标准,保障行车安全。最终,自动泊车的成功应用需要经过充分的测试验证,并提供良好的人机交互体验。
    看似简单的自动泊车需要哪些技术支撑?
  • 如何处理自动驾驶感知传感器脏污问题?
    自动驾驶系统依赖多种传感器感知环境,但脏污可能导致数据偏差,影响算法判断。硬件设计应减少污染,机械清洁系统需高可靠性。软件层面通过自检和交叉验证识别异常,动态调整传感器权重。运营层面需建立维护制度,实时提示用户。
    如何处理自动驾驶感知传感器脏污问题?
  • 自动驾驶汽车应如何应对坑洼路面?
    自动驾驶汽车要在L5级实现全面的城市路面行驶,不仅需要克服日常坑洼路面的挑战,还需综合运用多种传感器和技术手段进行感知、预测和决策。通过摄像头、激光雷达、毫米波雷达、IMU和轮速传感器的融合,能够有效识别和应对不同规模的坑洼。感知模块不仅要确定坑洼的位置和程度,还要评估其对车辆的影响,进而决定是否采取避让措施。决策过程涉及风险评估和轨迹规划,力求在保障安全的前提下最小化影响。此外,通过云端共享和协作检测,可以提高整体系统的适应性和安全性。然而,技术之外,还需要合理的运维体系和法律框架来确保坑洼问题的有效管理和修复。
    自动驾驶汽车应如何应对坑洼路面?
  • 一个完整的自动驾驶感知系统包含些什么?
    把自动驾驶想像成一个有眼耳和大脑的司机。感知系统就是它的“眼睛”和“耳朵”,负责把诸如前方有一辆车、左侧有个行人过马路、右边车道被施工封闭了、红灯亮了等外界的光、雷达回波、距离、速度这些原始信号变成机器能看懂的“事实”。感知并不是单一模块的工作,而是一整套从硬件到软件、从标定到算法、从实时性到冗余设计的组合工程。没有可靠的感知,后面的预测和规划就像盲驾,再聪明的决策也可能撞上现实。 如果将感知拆分
  • E54系列人体运动感知与距离检测雷达模组上位机配置使用说明
    一、运动感知与距离检测雷达模块产品简介 E54系列新上架的人体微动、运动感知与距离检测雷达模组,有基于X波段雷达芯片、10.525GHz中心频率为核心的E54-10LD06系列雷达模组和基于C波段雷达芯片、5.8GHz中心频率为核心的E54-05LD06系列运动感知雷达模组,该E54系列雷达模组设计采用定频、定向发射和接收天线(收发一体),集成中频解调、信号放大和数字处理等功能,具备延时设置、感知
  • 自动驾驶感知不一致是怎么发生的?
    自动驾驶汽车的安全性依赖于多个感知硬件的协同工作,然而,过多的感知硬件可能导致感知不一致,即不同传感器对同一事件的看法不一致。这主要是由于传感器的物理特性、安装位置、时间同步、算法处理和现场环境等因素造成的。尽管传感器增多理论上可以增强系统的安全性,但如果没有适当的标定、同步、健康检测和算力规划,冗余反而会导致更多的问题和不确定性。因此,合理选择传感器类型和数量,确保其功能互补,进行有效的时空校准和置信度建模,采用混合融合策略,并加强健康监测和测试验证,才能真正提升自动驾驶汽车的感知一致性。
    自动驾驶感知不一致是怎么发生的?
  • 自动驾驶中感知、决策、控制都起到什么作用?
    自动驾驶系统由感知、决策和控制三个层次组成,每个层次都有其独特的任务和挑战。感知层负责将外部环境信息转化为内部可理解的形式,主要包括传感器的选择与数据预处理,涉及摄像头、激光雷达、毫米波雷达等多种传感器的应用及其数据融合。决策层基于感知信息制定行动策略,采用路径规划、行为规划和局部运动规划相结合的方式,同时考虑交互和法规约束。控制层将决策输出转化为车辆的实际运动,涉及到纵向和横向控制的算法设计,还需与车辆底层系统协同工作。整体而言,自动驾驶系统的成功实施依赖于各层之间的高效协作和冗余设计,以确保系统的鲁棒性、可验证性和安全性。
    自动驾驶中感知、决策、控制都起到什么作用?
  • 感知音频质量分析POLQA测试方案
    一、引言 近年来,线上音视频产品的形态和应用场景越发的丰富,疫情的发展加速了许多的行业线下转线上的速度。线上沟通的常态化,音视频的技术应用越发广泛,如ZOOM、腾讯、阿里等各大厂商的加入使这个赛道质量得到了飞速的提升。在该赛道中,好的音视频质量,好的用户体验,是在激烈竞争中脱颖而出的关键因素。除了线上会议等方式,在各种通话中,无论使用什么样的终端通话设备,借助何种网络,语音质量的好坏一直是通话性能
  • 自动驾驶汽车如何准确识别小物体?
    自动驾驶汽车在识别小物体方面面临诸多挑战,包括体积小、对比弱、遮挡严重等问题。尽管传感器如相机、激光雷达、毫米波雷达各有优势,但小物体检测仍需综合多种传感器和先进算法。感知融合和算法优化是关键,涉及多模态数据融合、时空信息整合和专门针对小目标的优化策略。未来,随着技术进步,自动驾驶系统将更稳健应对小物体检测难题。
    自动驾驶汽车如何准确识别小物体?
  • 如何确保自动驾驶汽车感知的准确性?
    自动驾驶汽车要实现精准感知,需综合运用多种传感器(如摄像头、激光雷达、毫米波雷达等)并进行数据融合,以克服单一传感器的局限性。感知系统涉及从传感器数据采集到最终输出表示的多个子任务,包括时间同步、检测与分割、跟踪与状态估计等。为了确保感知的准确性,硬件方面应注重冗余与分工,算法层面则需关注感知模型设计、融合策略与不确定性建模。标定与同步也是至关重要的环节,而数据和验证策略则确保系统的精确性和鲁棒性。未来,随着端到端深度学习的进步和传感器硬件的迭代,感知系统将继续朝着更加智能和可靠的方向发展。
    如何确保自动驾驶汽车感知的准确性?
  • 麦格纳亮相 2025 IAA 展现安全、智能、绿色出行愿景
    诚邀莅临2025德国国际汽车及智慧出行博览会(简称"2025 IAA") B3 展厅 E40 展位,深入了解麦格纳在可持续材料、动力总成和储能系统等领域的创新成果 亲临户外实车演示,聆听专家解读麦格纳前沿雷达技术和舱内感知系统的突破应用 聚焦乘员监控、传感器融合和 AI 驱动决策领域的最新技术进展,洞察行业前沿趋势 德国赛劳夫2025年8月11日 /美通社/ -- 作为全球规模最大且备受信赖的汽车
  • 自动驾驶感知系统如何设计才能确保足够安全?
    在自动驾驶技术日益成熟的当下,感知系统的设计与实现已成为确保行车安全的关键环节。感知系统不仅承担着环境信息采集的重任,更决定了整车对突发状况的应对能力和安全余度。要在丰富多变的真实道路环境中实现高可靠性、高可用性和高鲁棒性,必须多层面、全方位地统筹技术架构、硬件部署、软件算法、系统冗余与安全管理,共同构筑一套稳健的感知体系。
    自动驾驶感知系统如何设计才能确保足够安全?

正在努力加载...