autodriver

摘要： 对于自动驾驶来说，建图是必不可少的，目前主流厂商技术都在从HD到"无图"进行过渡筹备中，不过想要最终实现真正的"无图"还是有很长的一段路要走。 对于建图来说，包含了很多的道路元素，车道线，停止线，斑马线，导流属性，道路边缘以及中心线(包含引导线)等。这里，中心线的预测通常是根据轨迹，通过数学公式进行拟合，目前学术上逐渐采用模型进行预测，但是对于下游(PNC)来说，还是存在不够平滑，曲率不够精准等问题，不过这个不在本次方案讨论范围内，先忽略，以后有空可以写一写。 道路边界对于PNC来说也是至关重要，约束车辆行驶范围，避免物理碰撞发生。通常道路边界的生成有几种方法，一种是当做车道线的一部分，跟着模型一起输出，但是没有车道线的特征明显，容易漏检，而且道路边界是异形的，基于分割的方案会比基于Anchor的方案效果稳定一些。另一种是HD的方法，根据处理后的车道线，按照距离和规则等虚拟出道路边界线。本文给出一种新的解决方案，略微繁琐，但是优点是可以延用已有的公开数据集进行处理生成，快速落地验证，缺点是本方案不具备时效性，是离线的方法。 阅读全文

摘要： 关于自动驾驶视觉感知，最近两三年另外一个热门方向便是更为直接的bev视角下的视觉感知。不同于深度估计先显式获取各个像素点的深度，再支持其他相关任务，bev视角下可以实现端到端的目标检测、语义分割、轨迹预测等各项任务。由于这种方法pipline更加简单直接，且能够更好地被下游规控所使用（在同一个坐标系），近期相关研究工作达到井喷趋势，霸占各大SOTA榜单。现按照大致发展顺序介绍一系列经典模型，帮助感兴趣的小伙伴快速了解相关内容。 阅读全文

摘要： 在精确检测车速车距的方案中，视觉方案是非常具有挑战性的，但由于没有昂贵的距离传感器而大幅降低成本，所以潜力巨大。本文综述了基于视觉的车辆速度、距离估计。并建立了一个完整的分类法，对大量工作进行分类，对涉及的所有阶段进行分类。除此之外，还提供了详细的性能评估指标和可用数据集概述。最后，论文讨论了当前的局限性和未来的方向。 阅读全文

摘要： AEB即自动紧急制动（Automatic Emergency Braking），其通过雷达、摄像头共同监测前方车辆以及行人情况，若探测到潜在碰撞风险，系统将采取相应预警及制动措施，从而避免发生碰撞或减轻碰撞损害程度。 作为一项重要的ADAS主动安全功能，AEB近年来配置率不断提升，未来有可能成为标配。 阅读全文

摘要： 我们往Spline 的方向深入，探究 Catmull-Rom 的曲线，想必研究的越深入，来到这里的人也越少。实际上，作为一个使用引擎的编程者，并不需要推导的那么深入，引擎自然有现成的实现。不过，既然已经钻研到了这里，“予之力尚足以入，火尚足以明也”如果不在此研究明白，恐怕以后也很难有机会再回到这里来研究更多吧。 当然，我们到了这里，会发现，这部分的中文的教材充斥着抽象的概念，晦涩难懂；这部分的博客往往伴有“无脑转译”和“不求甚解” 的存在。甚至能在一些他人的博文中发现隐蔽的错误，会困扰你对这部分知识的理解，这也是我本人亲自踩过的坑。所以，如果有能力，应阅读更多第一手的英文资料。 阅读全文

摘要： 相机与激光雷达是怎么标定的？一览行业所有主流的标定工具 相机与激光雷达的标定是很多任务的基础工作，标定精度决定了下游方案融合的上限，因为许多自动驾驶与机器人公司投入了较大的人力物力不断提升，今天也为大家盘点下常见的Camera-Lidar标定工具箱，建议收藏！ 加V好友：AutoDriverZone 阅读全文

摘要： 在 ADAS 领域，有个功能叫自适应巡航控制 (Adaptive Cruise Control, ACC) 。 ACC 是一种纵向距离控 制，具体包括发现目标车辆、判断目标车辆所在路径、测量相对本车的距离和速度，然后进行相应的 刹车等制动操作以保持安全驾驶距离。当没有发现目标车辆时，则保持预设的巡航速度。 对于测距而言，最直接的方法是采用毫米波雷达、激光雷达和双目相机。但是考虑到设备成本和计算 成本，人们开始考虑能不能用单目相机来做距离控制。当然这种考虑不是空穴来风的，而是有两个直 观的动机： 阅读全文

摘要： AVP-SLAM：自动泊车系统中的语义SLAM 附赠最强自动驾驶学习资料：直达链接 ●论文摘要 在自动代客泊车系统中车辆在狭窄且拥挤且没有GPS信号的停车场中进行导航，具备准确的定位能力是至关重要的。传统的基于视觉的方法由于在停车场中由于缺少纹理，以及重复的结构和场景的变化导致跟踪容易丢失，在这篇文 阅读全文

摘要： 附赠自动驾驶学习资料：直达链接 附赠自动驾驶学习资料：直达链接 阅读全文

摘要： *** 附赠最全自动驾驶学习资料：链接** 阅读全文