介绍一种基于道路分类特性的超快速车道检测算法

本文介绍了一种新颖、简单但有效的车道检测公式。
红豆沙冰 2024-02-05 660

自动驾驶中大火的AI大模型中有哪些研究方向,与Transformer何干?

本文将针对大模型学习中可能遇见的问题进行分析梳理,以帮助开发者在利用大模型在自动驾驶场景处理中学习更好的策略,利用有关大模型性能评价的问题,制定一个科学的标准去判断大模型的长处和不足。
红豆沙冰 2024-01-16 292

聊聊自动驾驶中两种AI大模型GPT算法

本文介绍了两种端到端的自动驾驶系统算法架构。
红豆沙冰 2024-01-04 296

地平线最新!Sparse4D v3:进一步提升端到端3D检测与跟踪任务(双SOTA!)

Sparse4D-v3包含三种有效的策略--时间实例去噪、质量估计和解耦注意力,这也是将Sparse4D扩展到端到端跟踪模型中的尝试!在检测和跟踪任务中都实现了SOTA!
红豆沙冰 2023-12-07 573

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。
红豆沙冰 2023-11-28 458

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。
红豆沙冰 2023-11-27 414

全面解析自动驾驶系统BEV 3D 检测提升策略

在本文中,重点关注自动驾驶中基于3D 视觉检测的方法。基于不同视觉BEV 算法检测进行了详细分析,并将它们分为不同的子组,以便更容易理解共同趋势。
红豆沙冰 2023-11-23 357

超全自动驾驶开源数据集总结,一览自动驾驶发展历程

该综述全面回顾了自动驾驶公开数据集的现状与挑战。针对数据算法闭环体系,结合当前大模型发展趋势,提出了下一代自动驾驶数据集的愿景与规划。
红豆沙冰 2023-11-20 436

重新审视Transformer:倒置更有效,真实世界预测的新SOTA出现了

近日,来自清华大学的一篇新论文提出了一个不同的视角 ——Transformer 的性能不是固有的,而是由于将架构不当地应用于时间序列数据造成的。
红豆沙冰 2023-11-16 314

主打一个零样本!ReSimAD:自动驾驶中的3D域适应怎么玩?

在这项工作中,我们研究了如何实现零样本域迁移,并提出了一种统一的重建模拟感知方案(ReSimAD),该方案由真实世界的点级图像重建过程和网格到点的渲染过程组成,该方案已被验证在处理严重的域间隙甚至数据集级差异方面是有效的。我们在零样本环境下进行了实验,结果证明了ReSi-mAD在产生类靶域样本和实现高靶域感知能力方面的有效性,甚至有助于3D预训练。
红豆沙冰 2023-11-16 485

行车篇 | ADAS系统中的可行使区域Freespace到底如何检测?

本文将重点介绍两类不同类型的可行使区域检测方案。
红豆沙冰 2023-11-15 440

两篇软文带领新手小白了解Transformer的前世今生(二)

本系列文章通过两篇将以小白的视角通透性的讲解了其中的原理及迷惑的部分,可以作为入门的软文供大家探讨。
红豆沙冰 2023-11-01 813

坐标系及其转换(车道线感知)

梳理了自动驾驶的各种坐标系,展现自动驾驶各坐标系间的关系,最终得到像素坐标系与世界坐标系的转换关系。
红豆沙冰 2023-11-01 332

两篇软文带领新手小白了解Transformer的前世今生(一)

Transformer的编码层实际是为了将输出编码为连续表示,并带有注意力信息。这种编码方式可以帮助解码器在解码过程中关注输入中的适当词汇或图层。如果将编码器堆叠N层后,可以进一步完善编码信息,其中,每一层都有机会学习不同的注意力表示,从而有可能提高Transformer的网络预测能力。
红豆沙冰 2023-10-27 821

智驾巡航的安全跟车距离如何设计才更好?

智驾巡航的安全跟车距离如何设计才更好?
红豆沙冰 2023-10-23 512
加载中···
已加载完毕