关于 迷药喷剂什么地方能买到【V信;799.196.362】蹬 的搜索结果,共1059
追****圣 2018-07-11
给书记省长讲清楚云计算
政企和这类企业合作时有很强的议价力,注意不要盲目倾向技术优先的创业云厂商,而是选择服务态度和执行力好的创业云厂商。政企很难确切搞懂厂商的技术有哪些优势,而项目的推进落都是要靠云厂商来执行的。 第三类是外企云厂商,这类厂商是被广阔的中国市场吸引过来的,也有兼顾外企中国分部的客户。这类厂商在国内发展都不太顺,和他们沟通主要看他们有合作诚意,是否穷极思变。 最后一类是系统集成企业,这类厂商已经服务政企几十年了。他们最大的优点和缺点都是为服务政府和国企为生,他们可以技术搭建出云平台,但他们建好云平台的目的是再卖给本政府和国企。这类企业需要完成从供应商合作的转变。 云计算不是万,它无法解决哪些问题。 在政企看来,云计算只是一种商业形式,不对它报以不切实际的期望值。 云计算行业不需要大量雇佣本劳动力,无法解决大批就业问题;云计算核心员工会呆在一线城市远程操控,很难将云计算人才引进。 云计算不会产生污染,所以不用考虑环保减排问题,但其带来的环保节问题很严重,每个数据中心都会占用大量电力。
不****主 2018-07-09
高精
高精图还包含很多语义息,图上可会报告交通灯不同颜色的含义,也可指示道路的速度限制,及左转车道开始的位置。 高精图最重要特征之一是精度,手机上的导航图只米级精度,而高精图可以使车辆够达厘米级的精度,这对确保无人车的安全性至关重要。 二、高精图与定位、感知规划的关系 高精图用于定位 高精图是Apollo平台的核心,许多无人驾驶车模块都有赖于高精图,有了高精图我们就需要在该图上进行自定位。这意味着需要弄清我们在图上的位置,这就是定位——无人驾驶车辆在图上的确切位置。 首先车辆可会寻找标,我们可以使用从各类传感器收集的数据,如摄像机图像数据、激光雷达收集的三维点云数据来查找标。车辆将其收集的数据与其在高精图上的已知标进行比较,这一匹配过程是需要预处理、坐标转换、数据融合的复杂过程。 无人车的整个定位过程取决于高精图,所以车辆需要通过高精图明确它处于位置。 高精图用于感知 无人车也可以使用高精图来帮助感知,就像人的眼睛和耳朵会受环境因素的影响一样,无人车的传感器也是如此。
C****X 2018-07-10
群雄逐“图”,百度缘何备受关注?
可以理解为这里刻意把定位和路径规划分开,但实际上这两者紧密联系,因为如果定位不准,路径规划一定会受影响。 即使有了这几个设定,路径规划本身也有很多可出现的版本。 通常来说,一种情况是明确寻找最佳路径的搜索A*算法,本质就是如果有最好的路径便一定将其找,如果单位路径成本(cost)不一样,最好的路径不一定是最短的。 A*是搜索了所有可后选择了最好的,而且运用了启发式算法来决定;其数据结构实现是priority queue,不停选取“最小成本”节点来扩建路径。 另一类是基于抽样(sampling based)的路径规划,通常可以理解为并不知道最优路径是,需要从起点开始随机抽样(怎随机这个问题还是比较讲究的)来扩建可的路径集。 这里面有一个很重要的因素可以加速抽样,例如障碍物的检测。若遇障碍物,在其向再扩建路径便没有意义。 典型的算法是RRT (Rapidly-exploring Random Tree)。需要引起注意的是,在实践过程中如果有了启发式算法,实时的路径规划会很注重效率,需根据实际情况优化,这面的研究包括RRT变种或两类算法的结合(如A*-RRT)。
y****n 2018-07-09
Apollo 自动驾驶感知技术分享
希望它做任务。 这是三种基本传感器的效果对比,LiDAR 是激光雷达,Radar 是汽车通用毫米波雷达,Camera 是摄像头。绿色代表做得好,黄色代表做得普通,红色代表做得差。最后,说明了三种传感器融合效果是最好的。 那 ,感知系统开放模块怎做? 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。 感知框架。用的是深度学习,它可以做精准检测和识别。而深度学习非常耗费计算量。需要依靠搭建的车载智系统,来支撑深度学习模型,以达毫秒级感知。 高精图。先以当前的激光雷达作为坐标系核心,把图中的点投坐标系里。然后建立快速的表格,根据感知的距离扩大坐标区域。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。特征抽取,就是建立一个网格,每一个网格提取的息对应一个值,每一个网格都有一个特征,拼接形成一张图;点云聚类,是用可的网格做结果预测;后处理,是由于预测不准,对障碍物的判断会存在误差,所以要通过后处理来精确障碍物。
s****7 2018-07-10
见微知著看技术误解——从裸光纤和NTPD谈起
真有TOP10的互联网公司和上亿国家级项目里用ntpdate+crond,上一代架构师为有这个误会无人深究,下一代人将误会固化为偏见,新一代人将偏见神化为。 但无论误会、偏见还是,时间跃变、回退和停滞对应用健壮性和业务安全性的威胁始终存在,时间不仅仅是我玩游戏时用的魔法,忽视问题并不掩埋问题。 六、见微知著和防微杜渐 我讲NTPD和裸纤并不是为卖弄知识,也不是为做偏门科普,而是希望进阶工程师们多考虑一下如何规避这类误会?我们在做技术工作时,是不是只关注客户和同事提出的需求?客户永远不知道裸纤的物理特性,同事也不会知道时间也错误和波动,他们说清楚业务逻辑就不错了。 把所有的精力都用做业务逻辑,你只是个编程语言翻译机而已;自己主动观测技术环境依赖,有资格有力做出技术选型决策,才是给Coder群集做技术校准的人。即使你不想做技术决策人和管理者,多怀疑和观察环境,也少些沟通成本,少走一些冤枉路,多一份自和自尊。 附录:NTPD时间跃变不遗漏Crond的实验 1、当前系统时间是 23点35分。
1****2 2018-07-09
百度安全:AI 是系统工程 需要真正开放的安全护航
这一隔离不但影响了安全息的互 通,也造成了诸多限制,引发了新的安全问题,比如Android App Store 不允许开发 者更换签名证书,如果开发者私钥被偷窃,他只继续使用这一私钥,眼睁睁看着偷得 私钥黑客发布冒名顶替的恶意App。应用开发者其实早就意识了签名束缚之痛,只是目前应用较为广泛的签名证书更换手段(提示用户安装新证书签名的新版本应用,安 卓5.0 以上可以自动升级等),要用户体验极差,要存在降级攻击等风险。 为解决这个问题,百度安全开源了OASP 应用签名安全案——一种更安全、灵 活的密钥证书管理案。它首创了应用状态在线查询机制,是一种生态联防、去中心化的安全案:开发者及时提供应用状态;安全厂商大规模扫描监控签名息生成息,并在端上结合息判断App 是否恶意;应用商店可以收纳开发者提交的 应用息,并定期下架有问题的App;设备厂商则通过OASP 的签名机制进行额外的安全校验。 传输层面的安全 终端设备和云端服务通的过程中,传输通道的安全性至关重要,一旦被黑客恶意 劫持,设备和云端服务器的数据也就都处在风险中。
TOP