Статьи по теме autonomous-vehicles

Публикации по теме 'autonomous-vehicles'

Монокулярное обнаружение 3D-объектов при автономном вождении

Это сообщение в блоге живое, и я буду обновлять его по мере публикации новых статей. Обновления: Добавить RTM3D (15.01.2020) Добавить виртуальную камеру из Mapillary (16.02.2020) Добавить разделенный структурированный многоугольник (21.03.2020) Добавить Refined MPL (22.03.2020) Добавить MonoPair (04.06.2020) Добавить ДЫМ (05.06.2020) Добавить "Земля не плоская" (28.06.2020) Добавить D4LCN (22.08.2020) ЗАДАЧИ: Добавить (PseudoLidarV3, ZoomNet, ApolloCar3D, 6D-VNet и PartParse)..

Типы аннотаций данных для автономного вождения

Автономные транспортные средства все еще работают над достижением стадии полной автономии. Полностью функционирующее и безопасное автономное транспортное средство должно быть компетентным в широком спектре процессов машинного обучения, прежде чем ему можно будет доверять самостоятельное вождение. От обработки визуальных данных в режиме реального времени до безопасной координации с другими транспортными средствами потребность в искусственном интеллекте крайне важна. Беспилотные..

Как построить самоуправляемый автомобиль: найдите полосы движения

Первый маленький шаг, который должен сделать автомобиль, чтобы управлять собой, — это увидеть мир. Не просто просмотрите его, но определите правила и информацию, которые ему нужны, чтобы позволить себе захватить мир! Шучу, это будет Скайнет, а не машины. Видение и контроль — это то, что мы с вами считаем само собой разумеющимся. Когда мы едем по шоссе, мы почти инстинктивно распознаем разные полосы движения и ведем машину по ним. Но что именно мы делаем на самом деле? Визуально..

Планирование пути — (прогноз)

Прогнозирование — это мультимодальная задача. Модуль вычисляет, насколько вероятен каждый режим. Как правило, мы инициализируем вероятность каждого режима априорным знанием подобной ситуации, уже наблюдаемой в прошлом. Затем мы обновляем каждое убеждение, основываясь на новых доказательствах, которые мы собираем в настоящий момент. Входные данные для модуля прогнозирования представлены картой и данными слияния датчиков, а выходными данными является список прогнозируемых будущих..

Введение в локализацию с использованием фильтра Калмана

Вы когда-нибудь задумывались, как автономный пылесос перемещается по дому, не сталкиваясь со стеной или мебелью, как будто он знает, где находятся вещи и куда ему нужно двигаться? Если да, то вы собираетесь получить представление о решающей логике, которая заставляет его делать это. Продолжай читать! В этой статье мы поговорим о локализации. Локализация — это процесс, в котором робот находит (или оценивает) свое текущее местоположение. Это местоположение относительно карты среды, в..

Китай отзывает (все?)

Статья — https://www.cnbc.com/2021/06/26/tesla-to-recall-nearly-300000-china-made-model-3-and-model-y-vehicles-.html Китай отзывает автомобили Tesla с «автопилотом» из-за случайного включения AP и непреднамеренного ускорения. (Даже случается такое состояние, которое Тесла отрицает.) Это все Тесла с AP в Китае? А как насчет этих автомобилей за пределами Китая? Ложный «автопилот», непреднамеренное ускорение, плохое AEB, вызванное сенсорной системой, которая не может правильно..

Применение технологий машинного обучения и датчиков для ускорения подключенного автомобиля

"Мы как отрасль должны выяснить, как получить гигабайты данных из наших автомобилей" Renovo Motors заявляет, что традиционная концепция автомобильной платформы может радикально измениться в эпоху, когда доминируют программное обеспечение, электроника и развитие технологий автономных транспортных средств. На саммите Машинный интеллект в автономных транспортных средствах , который пройдет 23–24 марта в Сан-Франциско, Иоаннис Петусис , руководитель отдела обработки и анализа данных..