摘要: AVM 合成数据仿真验证技术为自动驾驶环境感知发展带来助力,可借助仿真软件配置传感器、搭建环境、处理图像,生成 AVM 合成数据,有效加速算法验证。然而,如何利用仿真软件优化传感器外参与多场景验证,显著提升AVM算法表现? 阅读全文
posted @ 2025-03-20 10:50 康谋自动驾驶 阅读(43) 评论(0) 推荐(0)
摘要: 基于多传感器融合的海洋数据采集系统 在海洋监测与无人艇控制领域,数据采集面临数据噪声误差、融合协同等挑战。本文深度剖析基于多传感器融合的海洋数据采集系统交付案例,详细解析其方案架构、系统搭建等内容,展现如何提升数据采集质量,从而推动无人艇自主航行及算法训练! 阅读全文
posted @ 2025-03-13 10:46 康谋自动驾驶 阅读(57) 评论(0) 推荐(0)
摘要: 登录后复制 随着自动驾驶技术的迅猛发展,构建高保真、动态的仿真场景成为了行业的迫切需求。传统的三维重建方法在处理复杂场景时常常面临效率和精度的挑战。在此背景下,3D高斯点阵渲染(3DGS)技术应运而生,成为自动驾驶仿真场景重建的关键突破。 一、3DGS技术概述与原理 1、3DGS的技术概述 3DGS 阅读全文
posted @ 2025-03-05 09:49 康谋自动驾驶 阅读(232) 评论(0) 推荐(0)
摘要: 构建巨量的驾驶场景时,测试ADAS和AD系统面临着巨大挑战,如传统的实验设计(Design of Experiments, DoE)方法难以有效覆盖识别驾驶边缘场景案例,但这些边缘案例恰恰是进一步提升自动驾驶系统性能的关键。本文分享aiFab解决方案,该方案现已具备了更为先进的自适应测试方法,显著提 阅读全文
posted @ 2025-02-26 09:51 康谋自动驾驶 阅读(39) 评论(0) 推荐(0)
摘要: 海量数据的收集使得新旧企业能够利用机器学习技术开发新产品并革新旧产品。近年来,数据质量因直接影响了人工智能系统的性能和鲁棒性而备受关注。然而,这对通常通过破坏像素信息(如模糊化、马赛克等)来实现匿名化的方法提出了挑战,这些方法导致合规性与数据质量之间难以兼得。我们探索了一种不是简单移除像素信息,而是 阅读全文
posted @ 2025-02-19 09:29 康谋自动驾驶 阅读(24) 评论(0) 推荐(0)
摘要: 一、前言随着自动驾驶技术的快速发展,庞大的测试数据和复杂的场景需求为性能与安全评估带来了巨大挑战。如何高效管理海量数据、挖掘关键场景,并满足以Euro NCAP(European New Car Assessment Programme,欧洲新车安全评鉴协会)为代表的严格评估标准,已成为行业亟待解决 阅读全文
posted @ 2025-02-12 10:19 康谋自动驾驶 阅读(38) 评论(0) 推荐(0)
摘要: 随着自动驾驶技术的快速发展,车辆准确感知周围环境的能力变得至关重要。BEV(Bird's-Eye-View,鸟瞰图)感知技术,以其独特的视角和强大的数据处理能力,正成为自动驾驶领域的一大研究热点。一、BEV感知技术概述BEV感知技术,是一种从鸟瞰图视角(俯视图)出发的环境感知方法。与传统的正视图相比 阅读全文
posted @ 2025-02-06 13:57 康谋自动驾驶 阅读(86) 评论(0) 推荐(0)
摘要: 数据隐私与安全在当今数字化时代占据着举足轻重的地位。在应对数据保护法的复杂要求和网络的威胁时,大多数企业都面临着重重挑战,因此诸多企业对可靠、可扩展且安全的数据管理解决方案的需求愈发迫切。正是在这一背景下,康谋精心打造了本地匿名化一站式解决方案,该方案将隐私和安全作为其核心设计原则,旨在助力企业以信 阅读全文
posted @ 2025-01-22 11:29 康谋自动驾驶 阅读(25) 评论(0) 推荐(0)
摘要: 在科技迅速发展的时代,保护个人隐私的需求日益增长,有效匿名化技术的重要性不容忽视。无论是针对敏感的图像、视频,还是数据,在隐私保护与保持视觉完整性之间取得平衡至关重要。虽然模糊化一直是匿名化的常用选择,但一种更复杂、更强大的方法——深度自然匿名化(DNAT)——已经成为一种更优的替代方案。一、深度自 阅读全文
posted @ 2025-01-15 15:48 康谋自动驾驶 阅读(29) 评论(0) 推荐(0)
摘要: 在过去十年中,自动驾驶和高级驾驶辅助系统(AD/ADAS)软件与硬件的快速发展对多传感器数据采集的设计需求提出了更高的要求。然而,目前仍缺乏能够高质量集成多传感器数据采集的解决方案。康谋ADTF正是应运而生,它提供了一个广受认可和广泛引用的软件框架,包含模块化的标准化应用程序和工具,旨在为ADAS功 阅读全文
posted @ 2025-01-08 10:05 康谋自动驾驶 阅读(46) 评论(0) 推荐(0)