关于 苏州做驾驶证行驶证 微电155—7080&mdas 的搜索结果,共601
y****n 2018-07-09
Apollo 自动感知技术分享
感知属于自动核心技术,我们可以将汽车上的感知与人类感官进一个类比:人有感知,通过感官器官获取外界信息,传达感知功能区,把形象化的东西抽象成概念性或者更高层的语义,供我们思维记忆、学习、思考或者决策,让我们运动控制功能区,让我们身体对外界进反馈。无人车类似这样的结构,这是强相关的东西,我们无人车也是一样。 下图所示这辆车是 2016 年 12 月乌镇演示车队的其中一台,它有传感器、雷达、摄像头,这是覆盖比较全面的设置,包括视觉、触觉、嗅觉等信息。它需要大脑处理,大脑是无人车里的感知功能模块。 由于感知范围是广泛的,它依赖于人工或者自动需要的环境匹配,工况复杂度越高,感知复杂度越高。自动不同级别里,感知的复杂度也不同。Apollo 目前开放的定位是 Level3 或者 Level4,感知、决策、控制是三位一体的过程。 感知与传感器系统紧密结合,获取外部环境信息,比如有没有障碍物,障碍物的距离、速度等,把数据交给感知处理模块,我们会收集信息,构成人开车时理解的环境。 这些信息会被我们决策模块进分析和提取,在周围环境车辆状况下,下一步怎么走才是安全的。
不****主 2018-07-09
高精地图
与普通地图不同,高精地图主要服务于自动车辆,通过一套独特的导航体系,帮助自动解决系统性能问题,扩展传感器检测边界。目前 Apollo 内部高精地图主要应用在高精定位、环境感知、决策规划、仿真运四大场景,帮助解决林荫道路GPS信号弱、红绿灯是定位与感知以及十字路口复杂等导航难题。 一、高精地图与传统地图 当我们开车时,打开导航地图通常会给我们推荐几条路线,甚至会显示道路是否拥堵以及每条路线将花费多长时间、是否有交通管制,有多少个交通信号灯或限速标志等,我们会根据地图提供的信息来决定是在中直、左转还是右转以及对周围环境的评估。 而无人车缺乏人类员固有的视觉和逻辑能力。如我们可以利用所看到的东西和GPS来确定自己的位置,还可以轻松准确地识别障碍物、车辆、人、交通信号灯等,但要想让无人车变得和人类一样聪明,可是一项非常艰巨的任务。 这时就需要高精地图了,高精地图是当前无人车技术不可或缺的一部分。它包含了大量的辅助信息,最重要是包含道路网的精确三维表征,例如交叉路口布局和路标位置。
C****X 2018-07-10
群雄逐“图”,百度缘何备受关注?
例如,丰田和GM等汽车厂商曾在2016 CES展览上展示了自动汽车云地图的绘制技术。 在日本,汽车零部件供应商三菱以及地图商Zenrin已联合国内九家主流汽车制造商共同创建了“Dynamic MapPlanning”合资公司,为2020年东京奥运会上的无人服务提供3D道路高精度地图方面的技术支持。 这么看来,无论是创新的互联网企业还是传统的车企大厂,都在努力争取高精度地图这场比赛的入场券! 2017年是自动“元年”,这项颇具潜力的事业也让各大传感器厂商们“身先士卒”,积极布局自动版图,例如Moblieye。尽管现在企业已经被英特尔收购,但地图的研发工作始终没有被搁置。 地图研发是图商们的老本,他们的咋样? 据了解,TomTom的高清地图(包括Road DNA)已经到可以帮助自动汽车在高速途中精确定位自身位置并辅助决定采用哪条车路线。 不得不说图商的研发进度可圈可点! 聚焦国内,高德早在2014年便开始了高精地图的攻坚战,目前已经将大数据能力以及机器学习能力为基础的AI引擎嵌入其中。
1****6 2018-07-10
反向图灵测试——如何识别这是不是AI?
前几天那个巨硬的陪聊AI在博上求骂蹭热度,我不信那条博是AI发的。 用AIcoding是有可能性的,编程本来就是人类语言转换为机器语言的翻译,但时日尚早,云计算+SDK+IDE从更简单更高效的层面编程简化了。但现在说在用AIAIOPS的,实际是只展示不决策,无知者无畏的也没有试验环境。 现在成熟的AI应用就是少数几类场景,比如:语音识别、图片识别、无人为预估(如金融风控)。但我们怎么明这些AI应用是机器学习还是深度学习哪,毕竟用深度学习融资/吹牛逼更高大上啊。 深度学习的惊艳之处在于解决了很多问题,但它对数据量的需求像打着吊瓶跑马拉松,有几个场景提前储备了那么多数据?这两天的热门新闻是 AlphaGo Zero 自学棋谱解决了数据问题,但用单纯的围棋来推理复杂的世界,这个类比糟糕透了。 AI技术配得上世人给它的盛名和期待,但AI技术不是用来嚼舌根编新闻的。这波AI宣传大潮让很多人半年之内都不愁编稿字数了,搞冒牌AI场景的人大都比AI程序员还聪明。 后记...... 我本来让创业者多提供一些数据、算力、技能的资料,结果H哥说这个项目已经Pass了。
1****9 2020-08-31
【资源中心】CarLife接入参考资料!8月15日更新~~
需要测试/认所需相关资料
3****3 2018-07-10
百度智能运维工程架构
经过这么多年的建设,整个运维业已经非常成熟,而我们所支撑业务规模仍在不断增长,越来越多的运维场景和问题无法用传统方法来解决,而运维效率也难以继续支撑业务规模的快速扩张,所以我们更加关注怎么样解放运维自身的效率,以及解决传统运维方法(人工、自动化)所解决不了的问题。 这就好比从马车到汽车是为了提升运输效率,而到汽车已经接近饱和的时候,我们又希望用自动员从开车这项体力劳动中解放出来,不仅可以增加运效率,同时也可以减少交通事故率,这也是我们对智能运维的诉求。 发展:AIOps,从理念到落地 2016年Gartner报告中提出了AIOps概念,也就是Algorithmic IT Operations;基于算法的IT运维,主要指用大数据、机器学习驱动自动化、服务台、监控这些场景下的能力提升。 我们从2014年开始智能运维方面的探索,最开始也是集中在监控指标分析、报警分析、故障根因分析、性能和成本分析这些方面,到2016年我们已经完成将AI应用于完整的运维平台研发的论
TOP