“知识视界”产学研-视频播放

对不起，您不在IP段范围内，无法观看

1613 播放

播放有问题？请戳这里

用MATLAB构建2D激光雷达碰撞预警系统

时长：4 分钟

类别：汽车智能技术

简介：使用Lidar工具箱™功能构建一个系统，该系统可以基于模拟仓库竞技场的2D激光雷达扫描发出碰撞警告。学习如何模拟有障碍物的机器人工作空间，生成2D激光雷达数据，根据2D激光雷达扫描检测障碍物，并在即将发生碰撞前提供及时警告。

相关视频:

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。
博世泊车助手

博世泊车助手让司机在几秒钟内进入任何合适的停车位——没有任何烦恼或压力。一个集成在前保险杠侧面的特殊传感器会在汽车经过时扫描道路一侧。当找到合适的平行或垂直空间时，泊车助手会立即让司机知道。如果司机按下按钮激活泊车助手，系统只需几分之一秒就能计算出进入停车位的最佳路径、必要的转向动作和所需的操作次数。然后由泊车助手接管：驾驶员松开方向盘，小心地加速和刹车来控制泊车操作。此外，这位助手还会帮忙把车驶出车位。
Waymo全自动驾驶技术来了

Waymo于2009年启动了谷歌自动驾驶汽车项目，现在已经准备好进入下一阶段。从现在开始，Waymo的全自动驾驶技术——目前道路上最先进的自动驾驶技术——将在无人驾驶的情况下在公共道路上试驾。很快，公众就可以在日常生活中使用这些交通工具了。经过8年多的测试和开发，我们已经准备好解锁全自动驾驶技术的潜力，让每个人出行都更容易、更安全。
测试无人驾驶汽车

在世界上最混乱的街道上测试无人驾驶汽车，听起来不是个好主意。加入我们的行列，我们将从英特尔旗下的Mobileye公司出发，绕耶路撒冷一圈。
传感器融合和跟踪6：轨迹融合

深入了解轨迹级融合（或轨迹融合），需要它的跟踪情况类型以及与此相关的一些挑战。您将看到两种不同的跟踪架构——轨到轨融合和中央级跟踪，并了解选择一种架构而不是另一种架构的好处。
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。
AI学习泊车 — 深度强化学习

这是一个用3D物理模拟AI学习在停车场泊车的视频。模拟是使用Unity的ML-Agents框架实现的。AI由一个深度神经网络组成，包含3个隐藏层，每层128个神经元。它是用近端策略优化（PPO）算法训练的，这是一种强化学习方法。基本上，神经网络的输入是8个深度传感器的读数，汽车当前的速度和位置，以及它与目标的相对位置。神经网络的输出可解释为发动机力、制动力和转向力。
奥迪AI拥堵巡航自动驾驶技术

新奥迪A8是第一款专门为有条件自动驾驶开发的量产汽车。TJP（Traffic Jam Pilot）是针对行车过程常见的堵车工况开发的自动驾驶功能，驾驶员只需要按下中控台中的“Audi AI”按键。

观看记录：

标签:

相关视频:

博世辅助自动驾驶的雷达传感器

博世泊车助手

Waymo全自动驾驶技术来了

测试无人驾驶汽车

传感器融合和跟踪6：轨迹融合

传感器融合和跟踪5：如何一次跟踪多个对象

AI学习泊车 — 深度强化学习

奥迪AI拥堵巡航自动驾驶技术