ADAS/AD系统方案-L3级智驾的功能定义（2023年）
一起盘一盘靠谱的L3级智驾的功能如何定义
功能安全软件架构设计
软件架构设计是软件功能安全开发流程中非常重要的一项活动，它起到承接软件安全需求，将软件安全需求分配到具体的软件组件中去，引导软件详细设计的实现，并指导软件开发工程师来完成代码逻辑的开发的作用。同时，软件架构设计也是开展软件集成测试的重要输入文件。
激光雷达：是不是智能驾驶刚需？
随着科技的不断进步，智能驾驶技术正在以前所未有的速度发展。在这个领域，激光雷达成为了一种备受瞩目的关键技术，它不仅是汽车的“隐形安全气囊”，更是实现高阶智能辅助驾驶（城市NOA）的捷径。技术分享会上深入探讨激光雷达的优势和应用，揭示它在智能驾驶领域的重要性。
智能网联汽车信息安全现状
目录
01 智能网联汽车信息重要性
02 智能网联汽车信息动态
03 智能网联汽车建议
虚实之间，价值为道——智驾科技MAXIEYE发布BEV新范式和NOA真无图技术战略
智驾科技重磅发布BEV平台架构——青云Hyperspace和海市MAXI-DI数据智能体系
信息安全：SHA-256性能
在汽车嵌入式领域，信息正确传输是一切功能实现的前提。所以，如何确保数据传输的完整性，人们煞费苦心。为了确保数据传输的完整性，人们想到了很多方法：奇偶校验、校验和、MD5、CRC(Cyclic Redundancy Check，循环冗余校验)等等。如上算法，由于实现原理不同，使得校验准确性也存在一定差异，比如：奇偶校验可信度差不多50%，CRC校验虽然可靠，但也不能做到100%。对于整车通信，尤其关键控制器之间的数据通信，对于数据准确性要求很高，数据稍有偏差，即可带来不可预期的安全风险。
以太网基础：为什么需要ARP？
为什么在控制器启动阶段，会有ARP报文呢？ARP报文到底扮演着什么样的角色呢？本文，聊一聊ARP。
终于有人把“自动驾驶仿真”这个行当讲明白了
自动驾驶仿真
一文详解自动驾驶中的多模态融合感知算法（数据级/特征级/目标级）
本文全面调研了现有多模态自动驾驶感知算法，传感器包括LiDAR和相机，聚焦于目标检测和语义分割，分析超过50篇文献。
辅助驾驶日益落地的今天，激光雷达能带来什么？
关于自动驾驶是否需要激光雷达的争论，一直以来就没有平息过。一方面由于纯视觉感知的检测效果远远达不到预期，因此不少厂家还是坚定地走着激光视觉融合的路线；另一方面，也由于激光的成本迟迟降不下来，车企也无法快速量产配套的自动驾驶方案。而到了今年，随着各家OEM开始发力城区的辅助驾驶，开放的城市越来越多，我们惊讶地发现搭载激光雷达的车型越来越多。那么当激光雷达成为辅助驾驶标配的今天，它能为智驾系统带来什么？车企们真的发挥了激光雷达的全部实力吗？
视觉大语言模型在自动驾驶和智能交通中的最新应用
LLM 和VLM 的出现为当前自动驾驶和智能交通系统固有的局限性提供了潜在解决方案。这些新颖的技术综合了语言和视觉数据，为车辆和系统深入理解周围环境的未来带来了希望。
从阿维塔11看ADS2.0自动泊车系统
ADS2.0的自动泊车系统已经能够满足日常使用的要求，且智能程度较高，符合人类开车习惯。
ADAS系统中的可行使区域Freespace到底如何检测？---泊车篇
在本文中，我们介绍一种将自由空间重新构建为自由空间边界的极坐标表示，并利用转换器框架来端到端地回归极坐标表示。基于环视自由空间是一个简单连通区域并且可以在给定边界的情况下轻松还原对应的联通部分，这里主张将自由空间检测转换为边界点预测问题。
视觉BEV基本原理和方案解析
本文分享的内容主要包括两个部分：视觉BEV基本原理、方案解析。
来了来了！GPT-4V大模型在自动驾驶真实场景下的评测
随着GPT-4V(ision)的爆火，它在自动驾驶场景中的表现如何，吸引了全球科技界的广泛关注。本技术报告全面评估了最新的GPT-4V模型，深入探索了其在自动驾驶场景中的理解、推理，以及最终作为驾驶员的决策能力。报告发现，GPT-4V在场景理解和因果推理方面表现卓越，具备处理分布外场景、识别意图、在真实驾驶环境中做出明智决策的潜力，开启了自动驾驶的新篇章。本技术报告的作者来自：上海AI Lab，GigaAI，华东师大，港中文和文远知行。
推荐阅读
更多精华美文扫码阅读
焉知汽车
希骥电池与储能
沪公网安备 31011502007507号