keymotek

摘要： 功能模型接口FMI（Functional Mock-up Interface）是一个开放且与工具解耦的标准。FMI包含了一个C-API（接口），一个用于描述接口的XML文件以及可交换的功能模型单元FMU（Functional Mock-up Unit），通常会是“zip”文件。FMI实际上是提供了容 阅读全文

摘要： 在自动驾驶中，对车辆外界环境进行感知需要用到很多传感器的数据（Lidar，Camera，GPS/IMU），如果计算中心接收到的各传感器消息时间不统一，则会造成例如障碍物识别不准等问题。为了对各类传感器进行高精度的时间同步，可以分为几部分内容：统一时钟源，硬件同步，软件同步。一、统一时钟源在构建自动驾 阅读全文

摘要： 众所周知，在自动驾驶中，主要涵盖感知、规划、控制三个关键的技术层面。在感知层面，单一传感器采集外界信息，各有优劣，比如摄像头采集信息分辨率高，但是受外界条件影响较大，一般缺少深度信息；激光雷达有一个较大的感知范围和精度，但是分辨率上不如相机。因此，市面上普遍采用多传感器的方案进行车辆感知。而做传感器 阅读全文

摘要： 在前面的几章节中探讨了aiSim仿真合成数据的置信度，此外在场景重建和测试流程闭环的过程中，难免会面临3D场景制作重建耗时长、成本高、扩展性低以及交通状况复杂程度难以满意等问题，当前的主要挑战在于如何自动化生成3D静态场景并添加动态实例编辑，从而有效缩短测试流程，扩大仿真测试范围。图1：实际图像图2 阅读全文

摘要： 摘要：在智能汽车技术飞速发展的今天，车载网络已成为汽车智能化的重要基础。想象一下，如果汽车的每个部件都是一个信息节点，它们之间需要即时、准确地交换大量数据，那么一个高速、高效的网络就成为了必不可少的基础设施。这就是车载以太网技术的用武之地。一、车载以太网1、车载网络的演变与挑战汽车电子电气架构的演化 阅读全文

摘要： aiSim5重建高精度的真实交通场景，用于测试和训练ADAS/AD系统。内置场景包括赛道、车库、高速公路和城市环境。通过全局行动日志，aiSim能将驾驶数据转化为场景重建。车道线检测算法在仿真与现实世界的相关性测试中误差相近，召回率均接近98.5%。多目标检测算法在仿真中的召回率为64.68%，与真 阅读全文

摘要： aiSim中的LiDAR是一种基于光线追踪的传感器，能够模拟真实LiDAR发射的激光束，将会生成LAS v1.4标准格式的3D点云，包含了方位角、俯仰角和距离等。aiSim能够模拟LiDAR单态（Monostatic）和同轴（Coaxial）配置。在aiSim中，LiDAR仿真是将模型建为在某个方向 阅读全文

摘要： 随着自动驾驶技术的快速发展，多传感器的数据采集和融合可以显著提高系统的冗余度和容错性，进而保证决策的快速性和正确性。在项目开发迭代过程中，传感器标定扮演着至关重要的角色，它位于数据采集平台与感知融合算法之间，是确保传感器数据准确性的基础，同时也是实现传感器融合的关键先决条件。在众多传感器中，相机以其 阅读全文

摘要： 摘要：aiSim5可以实时模拟复杂的传感器配置，在多GPU分布式渲支持的支持下，aiSim可以渲染20多个摄像头、10多个雷达和10多个激光雷达在同一环境下运行。aiSim5独有的实时渲染引擎能够满足对物理精确环境和天气模拟的所有要求，具有完全的决定性和可重复性。图1：aiSim 重建场景图2：真实 阅读全文

摘要： 导读：在当下，汽车行业在安全性、舒适性、智能和万物互联等方面彻底改变了传统车辆的定义。随着这一趋势，汽车行业逐渐开始采用车载以太网来进行车内数据通讯，比如100Base-T1、1000Base-T1，在某些情况下还会使用到2.5G/5G/10GBase-T1。一、车载以太网车载以太网比CAN-FD具 阅读全文