导航切换
我的
导航切换
专业
搜索
节目
画面
研报
注册/登录
个性定制
|
内容总结
章节片段
字幕全文
思维导图
深度学习
追问
拖动时间轴点击获取起止时间码,截取片段时长
不能超过
5分钟
×
点击获取
开始时间:
点击获取
结束时间:
保存片段标题:
保存
|
分享
QQ好友
QQ空间
页面地址:
复制
复制链接给好友,分享精彩视频
扫一扫手机观看&分享
对不起,您不在IP段范围内,无法观看
1851 播放
收藏
片段保存及分享
播放有问题?
请戳这里
博世多摄像头系统
时长:4 分钟
类别:汽车智能技术
简介:通过博世的多摄像头系统,司机可以在泊车和开车时将注意力集中在正确的地方。该系统由四个近距离摄像头组成,可以捕捉到车辆周围的整个环境。超声波传感器可以测量与障碍物的距离。真实世界和虚拟世界在显示器上融合在一起。司机将他们的汽车视为一个详细的3D模型。车辆周围的环境以实时图像的形式呈现,这些图像被拼接在一起,产生了一幅没有干扰线的完美画面。
标签:
教学
汽车智能技术
博世
相关视频:
博世侧视辅助系统 - 盯住盲区
博世推出了新的侧视辅助系统,这是世界上第一个用于监测盲区的超声波系统。大多数司机都很熟悉这个危险的情况:换车道时,你打开转向灯,看一下后视镜和外镜,甚至可能只是瞥了一眼左肩——结果却发现,当你向左移时,一个刺耳的喇叭声让你吓了一跳。在这种危急情况下,博世的侧视辅助系统可以有效地向驾驶员发出警报,提醒他们从盲区接近的车辆。
Mobileye自动驾驶汽车慕尼黑路驾亮点
我们已经看到Mobileye的自动驾驶汽车平台是如何应对耶路撒冷状况频发的混乱街道的。但它在慕尼黑的表现如何呢?正如你在这段视频中所看到的,我们正在开发自动驾驶汽车,以便能够应对截然不同的驾驶文化和环境。
传感器融合和跟踪3:融合GPS和IMU估计姿势
本视频通过展示如何使用GPS和IMU估计物体的方向和位置,继续了我们关于将传感器融合用于点定位和相对位置定位的讨论。我们将介绍该算法的结构,并向您展示GPS和IMU如何共同在最终解决方案中发挥作用,从而使您对问题有更直观的了解。
博世辅助自动驾驶的雷达传感器
在辅助自动驾驶过程中,车辆必须始终能够可靠地检测到人和物体,并对此做出正确的反应。博世雷达传感器由于其探测距离远、视场宽、角度可分性突出和新的Chirp序列调制功能,使得快速、精确和弹性的目标检测和跟踪变得容易。这使得它非常适合复杂的交通场景。
博世自动驾驶用户体验
欢迎收看博世对高度自动化汽车及其独特驾驶体验的愿景。这款概念车展示了自动驾驶汽车和司机之间是如何进行互动的。陪同年轻的专业人士Philip去机场,看看他的汽车的用户界面如何处理手动和自动驾驶的不同阶段,让Philip的旅程安全、轻松、高效和愉快。
传感器融合和跟踪5:如何一次跟踪多个对象
该视频介绍了跟踪多个对象时出现的两个常见问题:数据关联和跟踪维护。我们介绍了解决这些问题的几种方法,并提供了解决所有多对象跟踪问题的一般方法。我们介绍了数据关联算法,例如全局最近邻(GNN)和联合概率数据关联(JPDA),并介绍了删除和创建轨道的标准。我们还将谈论门控筛选机制,以免浪费计算资源。在视频的结尾,我们展示了一个GNN和JPDA算法在两个紧邻的对象上运行的示例。
无人驾驶汽车现状
自动驾驶汽车应该即将到来,对不对? 好吧,不完全是。 每年,汽车公司都涌向CES(国际消费类电子产品博览会)和底特律车展,以炫耀其酷炫的自动驾驶汽车概念。虽然汽车无疑变得越来越智能,技术越来越棒,但是您能够购买自动驾驶汽车甚至乘车的那一天比您想象的要遥远得多。
传感器融合和跟踪4:使用IMM滤波器跟踪单个对象
该视频介绍了如何通过交互的多个模型滤波器估算状态来跟踪单个对象。我们建立了对IMM滤波器的一些直观了解,并展示了它是一种比单模型卡尔曼滤波器更好的跟踪算法。让跟踪更难的部分是,我们通常必须用较少的信息来完成跟踪。我们将介绍IMM滤波器如何弥补信息的不足,并展示一些仿真的结果。
观看记录: