关于 听话药是怎么做的【V信;799.196.362】斡 的搜索结果,共1966
y****i 2018-07-11
容器云最佳用户
而K8S兴起它把容器从改良工具变成了革新武器。以前有过很多架构师培训和文档,讲解服务发现、注册、编排、路由,资源监控和统计,研发就不懂。可一套来自大厂开源方案出来了,研发就主动去拥抱了。有了K8S以后,即使研发人员不了架构和运维,只要肯适应K8S设计逻辑,都可以取代这两类人工作。他们通过配合了K8S或类似组件容器云,老老实实改变研发流程,让代码和架构,让架构和资源耦合到一起。 现在我们能说清楚过去为什没有公有容器云成功案例,因为客户执行层脑臀分离——运维推动研发把程序改造到可以上容器,以完成运维业绩,猫让狗帮忙抓条鱼给猫吃,这事能搞定才怪。而成功私有云案例,其原始推动力都客户技术决策层和架构师,他们不依赖K8S也能搞定架构问题,这不容器技术和容器厂商成功,而客户技术团队成功案例。 现在个有趣节点了,K8S在逐渐被大家接受,研发拥抱K8S就可能设计出符合架构美学服务。相很快就会出现容器云真正成功案例——客户技术足够普通但上云后架构足够合理。
y****n 2018-07-09
Apollo 自动驾驶感知技术分享
我们在图像级别会类似分割,目我们场景建模和语义化描述。我们有很多任务,每个任务输入多源,包括激光雷达、图像等。如果要用 Apollo 搭建感知系统,如何选择传感器、传感器配置?希望它任务。 这三种基本传感器效果对比,LiDAR 激光雷达,Radar 汽车通用毫米波雷达,Camera 摄像头。绿色代表得好,黄色代表得普通,红色代表得差。最后,说明了三种传感器融合效果最好。 那 ,感知系统开放模块? 点云感知。开放了 LiDAR 点云检测,可以判断点云里每个点否为障碍物,障碍物类型。 感知框架。用深度学习,它可以到精准检测和识别。而深度学习非常耗费计算量。需要依靠搭建车载智能系统,来支撑深度学习模型,以达到毫秒级感知。 高精地图。先以当前激光雷达作为坐标系核心,把地图中点投到坐标系里。然后建立快速表格,根据感知距离扩大坐标区域。之后对俯视图进行网格化,网格化参数可以在 Apollo 进行配置。最后输送给障碍物检测。 障碍物检测。分为特征抽取、点云检测、点云聚类、后处理、闭包提取。
TOP