自动驾驶汽车

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(Autonomous vehicles;Self-driving automobile )又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人,是一种通过电脑系统实现无人驾驶的智能汽车。在20世纪已有数十年的历史,21世纪初呈现出接近实用化的趋势。 自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,让电脑可以在没有任何人类主动的操作下,自动安全地操作机动车辆。

自动驾驶汽车(Autonomous vehicles;Self-driving automobile )又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人,是一种通过电脑系统实现无人驾驶的智能汽车。在20世纪已有数十年的历史,21世纪初呈现出接近实用化的趋势。 自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,让电脑可以在没有任何人类主动的操作下,自动安全地操作机动车辆。收起

查看更多
  • 自动驾驶汽车如何避免幽灵刹车?
    自动驾驶技术面临幽灵刹车问题,主要源于毫米波雷达和视觉摄像头的局限性。毫米波雷达对静态物体敏感,易误判静止物体为障碍物;视觉摄像头受光照和阴影影响,可能导致深度测算错误。为避免幽灵刹车,自动驾驶算法正转向占用网络和Transformer架构的空间建模,同时引入虚拟标准摄像头技术和数据闭环优化,增强系统鲁棒性和适应性。此外,规划控制层采用多级预警与柔性减速策略,提高行车平稳性。综合多层次防御措施,有助于提升自动驾驶的安全性和舒适性。
    自动驾驶汽车如何避免幽灵刹车?
  • 自动驾驶中常提的“深度估计”是个啥?
    当我们看一张照片时,可以通过肉眼自然地判断照片中的物体远近,这种对于空间和距离的感知,对于人类来说是本能,是从幼儿时期开始就形成的一种能力。 对于自动驾驶汽车来说,为了能更好地辨别路况,也需要类似的能力。 什么是深度估计? 自动驾驶汽车必须理解环境中物体距离它有多远,需要能快速辨别前面是行人还是车?那个车到底是在十米开外还是一两百米远? 深度估计就是让机器从感知到的图像或传感器数据中估计出物体到自
  • 算力越高,自动驾驶汽车就会越聪明?
    自动驾驶算力虽重要,但并非越高越好。算力提升能增强感知、定位、决策和控制能力,但也伴随着能耗、成本和验证难度的增加。合理评估算力需求,综合考虑功耗、热管理和成本效益,才能在确保安全性和可量产性的前提下,有效地利用算力推动自动驾驶技术的发展。
    算力越高,自动驾驶汽车就会越聪明?
  • 自动驾驶汽车如何识别红绿灯?
    自动驾驶汽车如何识别红绿灯?首先依赖摄像头捕捉图像并运用计算机视觉技术进行初步识别;随后,深度学习模型通过大量标注数据提升识别准确性和鲁棒性。此外,系统还整合了高精度地图和激光雷达数据,以增强识别的准确性和可靠性。最终,识别结果还需与车辆速度、路况和地图信息相结合,作出合理决策,同时具备预测信号灯变化趋势的能力,以保障行车安全和平稳。
    自动驾驶汽车如何识别红绿灯?
  • 如何为自动驾驶汽车选择一款合适的激光雷达?
    激光雷达通过发射激光并测量回波时间或频率变化来确定物体的距离,形成三维“点云”。主要有两种测距方法:时间飞行(ToF)和调频连续波(FMCW)。机械旋转式和固态式是两大硬件形态,各有优劣。常用的波长有905nm和1550nm,后者在远距和弱反射目标上表现较好。 激光雷达在自动驾驶中的作用主要是提供三维几何信息、辅助定位和为后续检测和路径规划提供基础。与摄像头和毫米波雷达相比,激光雷达具有不同的优势和局限性。在算法链路方面,涉及去噪、坐标变换、地面分割、聚类、特征提取等多个步骤。 选型和测试要点包括考虑成本、安装调试、长期可靠性维护、传感器布局、热管理和防护等因素。测试应覆盖多种环境条件,确保系统的鲁棒性。最终,激光雷达的性能转化成驾驶功能的关键在于综合考虑多个方面的因素。
    如何为自动驾驶汽车选择一款合适的激光雷达?