登录社区云，与社区用户共同成长
邀请您加入社区
本文提出两种无需深度学习的轻量级方法，直接从雷达点云生成3D障碍物包围盒。方案一通过顶视图投影和连通域分析，将3D点云转换为2D图像后检测障碍物；方案二采用RANSAC地面分割结合DBSCAN聚类，实现更精细的3D障碍物检测。两种方法均能有效识别点云中的障碍物，方案一计算简单快速但精度有限，方案二处理复杂场景效果更好但参数调整较复杂。实验结果表明，这两种非深度学习方法在自动驾驶和机器人感知中具有实
（全模块可打卡/可量化验证，全模块掌握即达工业级落地熟手标准）机器人操作CV领域熟手养成。
机器人开发是一门高度交叉的系统工程，需要硬件、软件、算法、控制等多领域知识的深度融合。2026年，随着具身智能技术的成熟，机器人正从"自动化设备"进化为"智能伙伴"。🎯建立系统思维：理解各层技术的相互依赖关系🔧重视实践：70%时间用于动手项目，20%用于交流，10%用于理论学习📚持续学习：关注ROS2、VLA模型、强化学习等前沿技术🤝融入生态：积极参与开源社区，贡献代码与经验机器人技术的未
在当前的工业和科研领域，聚合物及其复合材料因其卓越的物理和化学性能而受到广泛关注。这些材料在航空航天、汽车制造、能源开发和生物医学等多个行业中发挥着至关重要的作用。随着材料科学的发展，传统的实验和理论分析方法已逐渐无法满足新材料研发的需求，特别是在材料性能预测、结构设计优化和制造过程控制等方面。因此，寻找一种高效、准确且创新的研究方法变得尤为迫切。近年来，机器学习技术以其强大的数据处理能力和模式识
摘要：扩散模型十年演进（2015-2025） 2015-2025年，扩散模型从理论萌芽发展为AIGC核心底座，彻底颠覆生成式AI格局。基于非平衡热力学原理，扩散模型通过加噪和去噪过程实现高质量生成，解决了GAN的痛点。十年演进分为四个阶段：2015-2017年理论奠基，效果不及GAN；2018-2020年DDPM突破，超越GAN；2021-2023年Stable Diffusion开源引爆产业，扩
视觉大语言模型（VLM）十年演进（2015-2025） VLM在2015-2025年间经历了从单任务学术研究到通用AI核心技术的跨越式发展。通过统一语义空间实现视觉与语言的深度融合，以LLM为推理底座，VLM完成了从图像理解到决策执行的闭环，成为AGI的关键路径。 四大发展阶段： 启蒙期（2015-2017）：CNN+RNN架构实现简单图文对齐，海外垄断核心技术； 成长期（2018-2020）：T
视觉大语言模型十年演进（2015-2025）摘要： 过去十年见证了视觉大语言模型（VLM）从单任务学术研究到通用人工智能核心技术的跨越式发展。2015-2017年为启蒙期，基于CNN+RNN架构实现简单图文对齐；2018-2020年Transformer架构和多模态预训练兴起，实现通用图文表征学习；2021-2023年大模型融合期，LLM成为VLM核心底座，GPT-4V等通用模型爆发；2024-2
2015-2025年，是云端工程完成跨越式发展的黄金十年。行业定义的，是以云计算、云原生架构为核心，融合数字孪生、AI大模型、高性能计算（HPC）、工业互联网技术，实现工程领域（机械、汽车、建筑、能源、航空航天等）的技术与产业体系。它不仅是工程软件的部署形态迁移，更是彻底重构了传统工程研发的组织模式、流程逻辑与价值边界，是智能制造、新质生产力建设的核心支撑，更是中国工业软件实现“换道超车”的核心赛
2015-2025年，是高性能计算完成跨越式发展的黄金十年。高性能计算（HPC，俗称“超算”），核心是通过并行计算、异构加速、高速互联等技术，构建具备千万亿次（P级）、亿亿次（E级）浮点运算能力的计算系统，是支撑基础科学研究、高端工程仿真、气象气候预报、生物医药研发的“国之重器”，更是AI大模型训练、自动驾驶仿真、工业数字孪生、具身智能训练的核心算力底座，其算力水平、自主化程度直接决定了国家的科技
MPC（模型预测控制）十年演进（2015-2025）摘要 2015-2025年是MPC技术实现跨越式发展的黄金十年。MPC从流程工业的稳态优化算法，发展成为自动驾驶、人形机器人等领域的实时控制核心。其演进围绕实时化、非线性化、鲁棒化、智能化和国产化五大主线推进，可分为四个阶段： 启蒙固化期（2015-2017）：LTI-MPC在流程工业成熟，嵌入式应用处于实验室阶段，工具链被海外垄断。 实时爆发期
模型控制十年演进：从工业算法到智能决策核心 2015-2025年是模型控制技术实现跨越式发展的黄金十年。以模型预测控制（MPC）为核心的先进算法体系，完成了从工业小众应用到机器人及自动驾驶核心技术的蜕变。这十年见证了四大关键跃迁： 技术定位跃升：从流程工业的离线工具，发展为实时在线的智能决策引擎 算法能力突破：线性定常模型升级为非线性时变系统的自适应控制 产业格局重塑：实现从海外垄断到国产全栈自主
摘要： 针对ROS/ROS2实时系统中的延迟抖动问题，本文提出一套系统化诊断方法。通过工具链（ftrace、trace-cmd、SystemTap等）分层分析内核调度、中断及ROS2回调延迟，结合工业机器人案例（1ms控制周期偶发5ms尖峰），从基线测量到根因定位分五阶段：1）cyclictest量化抖动；2）ftrace捕捉热点事件；3）trace-cmd可视化调度；4）SystemTap探针关
深度学习新能源车牌识别系统+opencv+毕设
本文全面解析汽车 VLA（视觉 - 语言 - 动作）技术，涵盖其概念、架构、与传统技术的优势，深入拆解工作原理，分析在乘用车、商用车等车型的应用，阐述其带来的性能与体验提升，并展望技术演进、融合趋势及市场前景，助力快速掌握 VLA 核心知识点。
本文梳理了车载摄像头、毫米波雷达、超声波雷达、激光雷达、V2X，含当前现状、上车情况等，基础科普性质。自动驾驶三大核心技术分别是环境感知、融合决策、线控执行。其中，环境感知作为自主行驶的基础和前提，是自动驾驶发展的第一个关键环节，其核心在于使自动驾驶系统更好的模拟、最终超越人类驾驶员的感知能力，准确的感知并且理解自身及周围的交通环境。环境感知是一个复杂的系统，它需要多种车载传感器实时获取周边环境的
传感器融合是指将来自多个不同类型传感器（如摄像头、激光雷达、毫米波雷达、超声波雷达、全球定位系统、惯性传感器等）的数据进行整合，通过智能算法进行综合分析和处理，以获得更加全面、准确、可靠的环境信息。采用BEV（鸟瞰图）Transformer架构，将多传感器特征映射至统一BEV空间，实现跨模态特征融合（如毫米波雷达速度信息与激光雷达点云几何特征结合）。基于D-S证据理论的多传感器置信度加权融合，消除
拉绳位移传感器怎么接线？江西SOP传感器厂家小编经常听到同事们说许多客户咨询这个问题，今天小编就整理了下拉绳位移传感器接线方式，配上接线图，让你一目了然。拉绳位移传感器在接线前，需要了解其输出方式有哪些，输出方式不同，接线方式是不同的。拉绳位移传感器接线方式有：模拟量输出（电阻5KΩ，10KΩ；电流4-20mA;电压0-5V或0-10V）;脉冲输出（500P、1000P、1500P、3600P、5
本文为初学者提供了神经网络的学习路线，从基础知识到实战应用，涵盖了数学、编程、神经网络基础概念、深度学习框架（如PyTorch和TensorFlow）、实战项目构建及优化调试技巧。文章逐步引导读者从零基础掌握神经网络的核心技术，并通过实战项目如MNIST数据集上的图像分类模型，帮助读者将理论知识应用于实际。此外，还分享了AI学习资源，包括课程、项目、论文和行业报告，以支持深入学习人工智能领域。
自动驾驶关键传感器——LiDAR什么是LiDAR?LiDAR工作原理点云LiDAR与其他传感器对比LiDAR在自动驾驶中的地位车用LiDAR种类什么是LiDAR?LiDAR，是Light Detection and Ranging的缩写，常用作代表激光雷达。LiDAR是一种传感技术，可发射低功率，人眼安全的激光进行脉冲测量，并测量激光完成传感器与目标之间往返所需的时间。所得的聚合数据用于生成3D点
ardupilot，Missionplanner。
传感器的特性是指传感器的输入量和输出量之间的对应关系。通常把传感器的特性分为两种：静态特性和动态特性。
《自动驾驶中的多传感器时空同步》本文转载自原创文章，仅用于个人笔记，如侵联删；原文链接：https://blog.csdn.net/Kefenggewu_/article/details/121504425。
本文对SLAM中常见的传感器做出总结，以对SLAM输入端有一个比较全面的理解，分为相机类和非相机类：表示相机的位姿变换：场景中物体的远近和大小：恢复的场景和真实场景相差的比例。
YOLO（You Only Look Once）算法以其高效性和准确性在实时目标检测领域广受欢迎，适用于自动驾驶、视频监控和机器人导航等场景。本文详细介绍了如何使用YOLOv5实现实时目标检测，包括环境搭建、预训练模型加载、代码实现及性能优化。通过图像预处理、推理、非极大值抑制和结果绘制，YOLOv5能够在短时间内处理图像并返回检测结果。本文还提供了优化建议，如使用GPU加速和模型量化，以提高检测
智能驾驶之多传感器融合技术: MV3D融合方法
自动驾驶仿真测试中，游戏引擎的底层架构可能会带来非确定性的问题，侵蚀测试可信度。如何通过专业仿真平台，在多传感器配置与极端天气场景中实现测试数据零差异？确定性验证方案已成为自动驾驶研发的关键突破口！
简 介： 2021年第十六届全国大学生智能车迅飞智慧产餐赛题组相关的比赛成绩关键词： 智能车竞赛，迅飞智慧餐厅 §01 比赛成绩一、智慧餐厅安徽赛区成绩表（公示版）排名学校队伍场地号任务完成数量赛事用时（s）增加时间减少时间比赛总用时备注1安徽工程大学super kingB场地627.0410307.04-2安徽工业大学AHUT403三队A场地640.3503010.35-3安徽工程大学
自动驾驶中的摄像头及其畸变与校正。
脉冲式拉绳传感器出现故障精量电子来解决脉冲式拉绳传感器，用户在不知道怎样选择位移传感器，小编先给用户制定一个完善的前期测量工作，针对使用环境及上位机所需信号分析出所需要的是什么类型的产品，根据多方面因素进行实地测量及规划。用户在选择好脉冲式拉绳传感器以后，在使用的过程中，出现问题要第一时间解决，精量电子为用户解答难题：1．接受装置因机械震动等原因而引起的移位或偏移，导致接收装置不能可靠的接收到脉冲
基于语义和几何约束的方法
这篇文章也是一个医学图像语义分割的模型，同样是基于U-Net，UCTransNet文章一开始分析了，U-Net 的各种形式，对于大家熟悉的跳连接进行了分析。发现由于编解码器阶段特征集不兼容，并不是每个跳跃连接设置都是有效的，甚至一些跳跃连接会对分割性能产生负面影响;原有的U-Net在某些数据集上比没有跳过连接的U-Net更差。后来作者提出了一种新的模型结构，具体来说，CTrans(Channel
本文深入探讨了在构建机器学习流水线时，如何选择组件并考虑任务的简单性。Andrew Ng在《Machine Learning Yearning》一书中提出，应选择那些可以通过较少数据训练的简单组件，这样可以提高学习效率并减少数据需求。文章还讨论了直接学习丰富输出的可能性，并通过图像识别和自动驾驶的例子来阐释如何设计有效的流水线结构。
自动驾驶
——自动驾驶
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
DAMO开发者矩阵
魔乐社区
2048 AI社区
