扫码加入

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
  • 自动驾驶感知硬件清洁装置应如何设计?
    自动驾驶感知硬件的清洁装置设计涉及多种技术和策略,包括被动防护、主动干预、流体喷淋、气动清洁、压电超声清洁等方法。智能监测算法和域控制器负责感知脏污并优化清洁策略,确保自动驾驶的安全性和可靠性。
  • 为什么光照对纯视觉自动驾驶影响较大?
    纯视觉自动驾驶在低光照条件下的感知能力受限于被动测量系统的物理特性,如信噪比下降、大气介质散射和ISP处理损失。尽管有源传感器如激光雷达在极端条件下表现出色,但纯视觉方案仍需克服光照变化带来的挑战,尤其是在夜间和恶劣天气中。未来可通过改进传感器技术和优化算法来增强其适应性。
    为什么光照对纯视觉自动驾驶影响较大?
  • 机器人线圈:智能机器人核心驱动与感知系统的重要基础
    机器人线圈是机器人系统中实现电能转换、运动驱动与信号感知的重要基础元件,广泛应用于工业机器人、服务机器人、协作机器人及特种机器人领域。随着机器人技术向高精度、高灵活性和智能化方向发展,机器人线圈的性能已成为影响整机响应速度、运动稳定性和可靠性的关键因素。 主要通过电磁作用实现驱动或感应功能,例如在电机驱动、直线执行机构和传感系统中发挥核心作用。线圈通电后产生的磁场可直接驱动机械运动,或用于位置、速
  • 自动驾驶与具身智能感知系统的设计优先级有何差异?
    自动驾驶与具身智能在感知系统设计上有显著差异。自动驾驶追求极高的安全确定性,依赖远距探测和冗余传感器,注重避开危险;具身智能则强调适应性交互,依赖触觉、力觉等感官,重视物体的操作性能。自动驾驶系统力求在远距离精确感知,而具身智能则在近距离精细感知,前者侧重于确定性,后者侧重于适应性。
    自动驾驶与具身智能感知系统的设计优先级有何差异?
  • 自动驾驶在颠簸路面如何确保感知准确性?
    自动驾驶汽车在颠簸路面行驶时,感知系统的稳定性受到挑战。物理震动和姿态波动影响传感器数据,导致误判。通过传感器安装架构与机械减震技术,以及软件层面的去畸变算法,提高感知准确性。多模态感知与冗余机制确保系统鲁棒性。感知预览控制与主动底盘系统协同工作,优化传感器工作环境。未来自动驾驶感知系统将在复杂路况下表现出色。
    自动驾驶在颠簸路面如何确保感知准确性?
  • 自动驾驶汽车如何检测石头这样的小障碍物?
    自动驾驶汽车如何检测小障碍物?首先考虑是否需要检测,然后利用目标检测、语义分割和小目标检测等多种视觉任务和技术,识别并报告潜在障碍物,保障行车安全。
    自动驾驶汽车如何检测石头这样的小障碍物?
  • 浙江大学研究员彭思达:底层空间感知技术对训练机器人有何作用?
    浙江大学研究员彭思达在GAIR 2025“世界模型”分论坛上分享了其团队在赋予机器人通用空间感知能力方面的多项工作,包括相机定位、深度估计和物体运动估计技术。彭思达介绍了一系列创新方法,如基于Transformer的图像匹配技术MatchAnything,用于相机定位;Pixel-Perfect-Depth解决深度估计中的飞点问题;InfiniDepth提升深度估计精度;以及SpatialTracker实现三维跟踪。这些技术有助于机器人更好地理解环境并做出决策。
    浙江大学研究员彭思达:底层空间感知技术对训练机器人有何作用?
  • 规划模块在自动驾驶系统中主要干了啥事?
    规划模块在自动驾驶系统中负责制定符合法规、保障安全且舒适的行驶路线,通过全局、行为与局部轨迹规划,结合路径生成、速度规划、避障与决策等功能,生成可执行的时空轨迹与行为指令。该模块面临环境不确定性、实时性和复杂交互等挑战,通过混合策略、仿真测试和多层安全保障机制来解决。
    规划模块在自动驾驶系统中主要干了啥事?
  • 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

正在努力加载...