自动驾驶技术：人工智能驾驶的未来
自动驾驶技术作为人工智能（AI）和汽车工业结合的关键领域，正在全球范围内迅速发展。本文将详细介绍自动驾驶技术的国内外现状、未来发展前景、技术优势，以及与之相关的政策支持，并提供部分代码示例。
【AI论文阅读】LaneNet：一种实例分割方法的端到端车道线检测模型
【AI论文阅读】LaneNet：一种实例分割方法的端到端车道线检测模型
解决重新安装ROS系统后运行指令报错问题
在卸载并重新安装ROS后，之前正常运行的功能包时报错，主要是因为一些依赖包没有安装，下面是我重新进行激光雷达建图过程中遇到的问题以及解决方法。
LSS (Lift, Splat, Shoot)论文精读
自动驾驶车辆的感知目标是从多个传感器中提取语义表示，并将这些表示融合到单一的“鸟瞰视图”坐标系中，供运动规划使用。我们提出了一种新的端到端架构，它可以直接从任意数量的相机图像数据中提取场景的鸟瞰视图表示。我们方法的核心思想是将每个图像单独“提升”到每个相机的特征锥体中，然后“涂抹”所有锥体到一个光栅
案例分享 | 集和诚AI边缘计算赋能低速无人车
采用CPU+GPU的双重架构方案，搭载Intel® Xeon® E or 9th/8th-Gen Core™处理器，WP机型具备1*PCIe X16(X16信号), 最高支持350W显卡，在此项目中采用RTX-3080高算力GPU卡做深度学习，实现雷视融合数据结构化，DC 9-35V宽压直流供电适合
地平线—征程2（Journey 2-J2）芯片详解（2）
本系列文章主要讲解地平线征程2（J2）的相关知识。
【论文精读】Fully Sparse 3D Occupancy Prediction
团队：南京大学，上海人工智能实验室时间：2023年12月代码：https://github.com/MCG-NJU/SparseOcc。
Autoware.universe 各模块功能介绍
Autoware.Universe由以下七个部分组成sensing、map、localization、perception、planning、control、vehicle interface。
国内外自动驾驶算法原理浅谈
国内厂商选择的方式成型快，但上限低。端到端的方式成型较慢，但是一旦预训练完成，将会疯狂迭代成长。但是其实……勤能补拙，不断加规则，总有一天也能应付99%的情况。
ROS2从入门到精通5-1：详解代价地图与costmap插件编写(以距离场ESDF为例)
一文总结ROS2代价地图的核心概念与配置，并以欧氏符号距离场障碍层为案例，介绍代价地图插件的编写方法，图文并茂加深理解
Autoware.ai开源自动驾驶系统学习日记（一）：使用Autoware录制激光雷达的rosbag数据包
本篇文章记录我使用autoware内置rosbag激光雷达数据包录制功能的录制方法，当然，如果只掌握了怎么录制，对于我而言是远远不够的，我将复习丢掉已久的ROS知识并且适度挖掘这其中的相关技术
AI：176-激光SLAM算法在自动驾驶中的应用与实现
激光SLAM（Simultaneous Localization and Mapping）算法作为自动驾驶技术的核心组成部分，凭借其高精度的定位和环境建模能力，为自动驾驶系统的安全性和可靠性提供了重要保障。本文详细介绍了激光SLAM的基本原理、在自动驾驶中的应用、面临的挑战及其应对策略，并通过多个代
人工智能在交通与物流领域的普及及应用
人工智能在交通与物流领域的普及及应用。
[自动驾驶技术]-6 Tesla自动驾驶方案之硬件（AI Day 2021）
特斯拉的Dojo架构由计算单元和Network Fabric（指芯片上用于连接和通信的网络架构，是一种高性能的互连系统，负责在芯片内部不同计算单元之间传输数据）组成，采用了多种技术例如采用2D网格网络进行数据传输、对神经网络分割、调用本地存储方式等解决带宽和延迟的限制。自定义目标支持：特斯拉可以通过
6.Autoware.ai 1.13 cpu版本与gazebo仿真与使用
Autoware.ai 1.13 cpu版本与gazebo仿真与使用
自动驾驶人工智能
自动驾驶技术是一个复杂的领域，它依赖于算法和过滤器来解释传感器数据、做出决策和控制车辆。在本节中，我们将探讨自动驾驶技术中使用的不同类型的算法和过滤器，并用通俗易懂的语言来解释它们。
AI终端设备的自动化分级
AI智体被定义为感知环境、做出决策和采取行动的人工实体。 受SAE（汽车工程师学会）自动驾驶6个级别的启发，AI智体也根据效用和强度进行分类，分为以下几个级别： L0——无AI，有工具（有感知）加动作； L1——使用基于规则的人工智能； L2——基于规则的人工智能被基于IL/RL的人工智能取代，并进
自动驾驶革命：解密端到端背后的数据、算力和AI奇迹
无人驾驶「全村的希望」
从新能源汽车行业自动驾驶技术去看AI的发展未来趋势
自动驾驶汽车关键技术主要包括与以及与等。这是AI在汽车行业中应用最广泛的领域之一。自动驾驶技术利用AI算法和传感器来感知环境、识别障碍物，并进行自主决策和驾驶操作。通过实现车辆的自动驾驶，可以提高行车安全性、减少交通事故的发生，同时降低驾驶员的工作负担。，在21世纪已有数十年的历史，但自动驾驶行业在
自动驾驶技术：人工智能驾驶的未来
1.背景介绍自动驾驶技术是一种利用计算机视觉、机器学习、人工智能等技术，以实现汽车在无人干预的情况下自主行驶的技术。自动驾驶技术的发展将重塑汽车行业，为人类带来更安全、高效、舒适的交通体系。自动驾驶技术的主要组成部分包括：传感器系统：负责获取车辆周围的环境信息，如雷达、摄像头、激光雷达等。计算机视觉
