关于 洗车_怎么代做灰色快速行业排名〖q扣4100506〗 常州薛埠 的搜索结果,共922
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的分割,目的是我们场景建模和语义化的描述。我们有很多任务,每个任务输入是多源的,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。 这是三种基本传感器的效果对比,LiDAR 是激光雷达,Radar 是汽通用毫米波雷达,Camera 是摄像头。绿得好,黄得普通,红得差。最后,说明了三种传感器融合效果是最好的。 那 ,感知系统开放模块? 点云感知。开放了 LiDAR 点云检测,可以判断点云里的每个点是否为障碍物,障碍物的类型是什。 感知框架。用的是深度学习,它可以到精准检测和识别。而深度学习非耗费计算量。需要依靠搭建的载智能系统,来支撑深度学习模型,以达到毫秒级感知。 高精地图。先以当前的激光雷达作为坐标系核心,把地图中的点投到坐标系里。然后建立的表格,根据感知的距离扩大坐标区域。之后对俯视图进网格化,网格化参数可以在 Apollo 进配置。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。
金****洲 2018-07-10
混乱的集群遇见TA 从此岁月静好
云计算历经多年发展,从最初的概念模型,到被大众熟知,再到现在全拥抱上云,取得了巨大的进步。云的主要客户已从最初的中小初创公司逐步渗透到各的大型企。可以说,企上云已是企发展的必由之路。部分数据敏感的企结合自身数据的安全性、所有权和控制权等综合因素考虑,会选择搭建自己的私有云或者混合云环境。 但是在上述环境中,用户的机器都需要自管理,这就必然给云运维人员带来很多意想不到的麻烦。 其实我们面临的问题从来就没有什大的变化,唯一不同的只是机器规模越来越大,人心越来越复杂。 Q如何在1台机器上部署基础设施?A 一切都源于那个亘古不变的道理:扔一个文件到机器上,然后跑一个命令。 Q如何在10台机器上部署基础设施?A 写个for循环搞定。 Q如何在10000台机器上部署基础设施?A 这个也好办!定制操作系统镜像CUSTOM.iso装机自动化安装! then…… Q如何升级所有机器上的基础设施? Q服务因异挂掉,能自动重启保活吗? Q公司活动,预计流量突增,能扩容吗? Q公司活动结束,为节约成本,能缩容吗? Q新开发的基础设施服务有问题,能立马回滚吗?
f****8 2018-07-10
2018年云计算展望
五年过去了,我从务运维一步步转云计算,无论是售前、产品、设计、实施、售后都了一遍,我对的判断对了,无论是收入、见识还是能力都在增长。 前段时间我写过七篇云计算现状介绍,现在我写这篇未来展望,乐观的看这个充满希望的。 一、时大幕刚刚拉开 历史和现状总是藕断丝连,如果用《三国》形容云计算,那前奏刚刚结束,大戏还没开场,正是黄巾军将要被平定,天下诸侯自立为王的阶段,一董二袁崭露头角,曹操刘备还没登场。 首先看谁是黄巾军?那些OpenStack创厂商。他们衣衫褴褛阵型混乱,但对旧秩序有无穷尽的破坏力,经过这批厂商的教育开拓,每个客户都认可了云计算,且客户将期望值控制在合理范围内。然后这批厂商该招安的都招安了,该消失的也在消失。 然后看天下诸侯,纵然现在有一二三,但从第一到第十都能绩翻倍,说明还远未饱和竞争。现在的曹操袁绍等人只是西园八校尉,离封侯称王还早,扩军抢地盘的度还可以继续提升。 汉末是机会主义者的舞台,敢造反敢扛事就是一方诸侯,但三国时的整合兼并考验的是人才和资源。
j****2 2018-07-10
百度大脑开放日来袭 24种全新AI能力呈现
人工智能连续3年进入政府报告、“智能+”成为时新命题,这些信息都显示2019年会是AI产全面加落地的一年。AI的发展,离不开千万开发者的助力。 3月20日,首场百度大脑开放日全新登场,介绍了全新开放的24种全新AI能力,AI赋能市政、物流、教育等的20个案例,也为向开发者、人士展现了如何搭上AI开放生态的高。 百度大脑开放日来袭 作为百度在人工智能领域多年研究成果的集大成者,百度大脑正在飞进步着。自2016年启动开放以来,百度大脑目前已经是服务规模最大的AI开放平台,开放了158项AI能力,24小时集成,开发者数量超过100万,面向广泛的企和开发者提供最先进、最全面的AI能力,不断降低AI应用落地的门槛。 百度AI技术生态部总经理喻友平谈到,“在百度大脑的开放生态中,开发者一直是最为重要的一环。百度大脑开放能力不断加,有很多有价值的技术难以被开发者了解。2019年百度大脑开放日全新登场,希望为AI开发者提供及时、全面、近距离地了解百度大脑最新AI产品和案例,且能深度、持续交流的平台。”
x****7 2018-07-10
从外进阶专 传统企AI转型差的可能只是一个百度EasyDL
佛山供电局输电管理所将存在桩机、吊、挖掘机、运货运水泥大型的现场1000张隐患图像,使用百度EasyDL定制化图像识别进训练,经过3个月的训练,更新了10个版本,最终获得“输电线路外部隐患识别”模型,该模型可以识别出输电线路中存在的吊、挖掘机等外部隐患,目前识别准确率达到80%,超出预期,并且以2-3周更新一次模型的频率持续训练,准确率在不断提升。 源创电喷位于广西柳,是一家生产汽油机电喷系统的公司。为汽动力系统中的关键部件,喷油器质量要求非高,过去,源创只能用人工肉眼来检测喷油器阀座瑕疵,每日平均检查4000-6000件,峰值是12000件,整个视觉判断工序,需付出4~7人每班的复核人力,是投入产出比最低的工序之一。 依托百度EasyDL定制化训练和服务平台,柳源创构建了自己的喷油嘴识别模型,结合原有务流程和硬件,先通过自动化系统上传每次采集待测样品图片,然后实时上传已通过的识别模型进判定,再返回相应的处理结果,最后由自动化系统将样品进分类流转。
冰****蓝 2018-07-09
如何调节『控制参数』?
例如: high_speed_pid_conf { integrator_enable: true integrator_saturation_level: 0.3 kp: 1.0 ki: 0.3 kd: 0.0 } 1.首先将kp, ki, 和 kd 的值设为0. 2.然后开始增加kp的值,以减小阶跃响应对度变化的上升时间。 3.最后,增加ki以降低度控制器稳态误差。 一旦获得较高度的相对准确的度跟踪性能,就可以开始从起点开始调整低PID控制器以获得一个舒适的加率。 low_speed_pid_conf { integrator_enable: true integrator_saturation_level: 0.3 kp: 0.5 ki: 0.3 kd: 0.0 } 注意: 当设备切换到Drive时,Apollo通度设置为滑度。 站控制器调谐 Apollo 使用辆的站控制器来跟踪辆轨迹基准与辆位置之间的站误差。一个站控制器调谐示例如下所示。
TOP