自动驾驶

点击上方“3D视觉工坊”，选择“星标” 干货第一时间送达 激光雷达成本高，用廉价的立体视觉替代它可行吗？ 作者：Jeremy Cohen 编译：McGL 转载自：PyVision 深度学习和计算机视觉在自主系统中已经疯狂地流行起来，现在到处都在使用。计算机视觉领域在过去的十年中发展迅速，尤其是障碍物检测。 像 YOLO 或 RetinaNet 这样的障碍物检测算法提供了2D的边界框，边界框给出了障碍物在图像中的位置。今天，大多数的目标检测算法都是基于单目 RGB 摄像头，不能返回每个障碍物的距离。 为了返回每个障碍物的距离，工程师们将摄像头与激光雷达(LiDAR)传感器融合，激光雷达可以返回深度信息。利用传感器融合技术将计算机视觉和激光雷达的输出信息进行融合。 这种方法的问题是激光雷达很贵。工程师们使用的一个有用的技巧是对齐两个摄像头，并使用几何学来确定每个障碍物的距离: 我们称之为伪激光雷达（Pseudo-LiDAR）。 单目视觉 vs 立体视觉 伪激光雷达利用几何构建了一个深度图，并将其与目标检测图结合起来得到3D距离。 如何利用立体视觉实现距离估计？ 为了得到距离，下面是5步伪代码: 1. 校准两个摄像头（内部和外部校准） 2. 创建极线模式（epipolar scheme） 3. 建立一个视差图（disparity map），然后一个深度图

　　机器之心原创 　　 作者：徐丹 　　 小蛮驴的出现，对整个物流机器人市场来说都是一场变革。长久以来停留在小规模试验的物流机器人终于要落地在大街小巷。 　　 　　阿里动物园再添新成员。 　　9 月 17 日阿里云栖大会上，一只名叫「小蛮驴」的新动物款款登场—— 　　这是一款无人车形状的机器人，车身线条圆润，外观采用银灰色调，自带萌感。车身内部是类似驿站的柜机系统，分成一个个可自由定制的格口，最多可载 50 件常规尺寸快递 / 外卖。 　　视频中小蛮驴行驶时可自动规划路线，灵巧避开各种障碍，带有语音功能：「我要倒车了，请避开」。 　　 　　不难看出，「小蛮驴」真身就是物流机器人。 　　天猫、飞猪、蚂蚁、盒马、菜鸟… 如今「阿里动物园」已经渗透到了生活的方方面面，而每一只「动物」背后都代表着一款神级应用和庞大的生态体系。这一次，阿里将目光对准了末端物流。 　　末端物流简单来说就是指面向园区、学校、小区等场景提供外卖、快递等最后三公里配送服务。 　　末端物流是一个想象力非常大的场景。根据国家邮政局，今年全国快递业务量已经突破 500 亿件，不久的将来中国每天将产生 10 亿个配送订单，市场空间将会是千亿级别。 　　同时，该市场看似简单，但因场景复杂，「非结构化」特征突出，技术壁垒很高。在乘用车无人驾驶落地前夜，末端物流场景刚好作为自动驾驶技术「练兵场」。 　

课程链接： https://edu.51cto.com/course/24749.html 三维点云是物理世界的三维数据表达形式，其应用日益广泛，如自动驾驶、AR/VR、FaceID等。 PointNet网络模型是直接对三维点云数据进行深度学习的开山之作，PointNet++是对PointNet的改进技术。 本课程对PyTorch版的PointNet++进行原理讲述、论文复现和代码详解。包括： 提供三维点云物体分类数据集ModelNet40、物体部件分割数据集ShapeNet和场景分割数据集S3DIS的下载、可视化软件和方法； 在Ubuntu系统上演示使用PointNet++进行三维点云的物体分类、部件分割和场景语义分割的训练和测试； 详解PointNet++的原理、程序代码和实现细节，并使用PyCharm进行Debug调试代码和单步跟踪。 来源： oschina 链接： https://my.oschina.net/u/4322161/blog/4542167

据丹顿斯(Dentons)智慧城市与社区倡议组织和智囊团的专家称，冠状病毒将对智慧城市产生持久的影响，包括更加注重现代化和数字化以及更多地使用自动驾驶汽车。 为了了解更多有关流行病在当地社区留下的特殊标志的信息，GCN与智囊团负责人克林特·文斯(Clint Vince)以及该公司全球公共政策和法规主席兼自动驾驶汽车部门负责人埃里克·坦南布拉特(Eric Tanenblatt)进行了交谈。 为了使内容更清晰、篇幅更短，本次采访进行了少量编辑。 Q：大流行如何改变了智慧城市和社区? Vince： 这将是一个新常态，对此有积极和消极的影响。我认为我们看到的最戏剧性的事情可能是越来越多的危机。2020年我们拥有了3 C，分别是COVID，climate(气候)和cyber(网络)，然后再加上经济动荡和社会动荡。在这种情况下，我认为城市和社区将受到非常严峻的经济挑战，我们将需要找到一线希望。未来五到十年的魔咒可能就是“复原力”。这涵盖了一系列主题：人类健康、环境健康、经济健康和社会健康。 Q：特别令人感兴趣的是需要更多的宽带。有哪些与此有关的希望? Tanenblatt： 由于人们在家里避难，大流行确实把重点放在了扩展宽带上。您不仅在农村地区看到这种情况，还在城市地区看到它。我认为宽带的增长和扩展将允许技术扩展。我非常关注的一个领域是自动驾驶汽车，而不仅仅是乘用车

来源 | HyperAI超神经 （ID：HyperAI） 内容概要：上周在美国北卡州发生了一起交通事故，一辆自动驾驶模式下的 Tesla 撞击了停靠在路边的警车，虽未造成人员伤亡，但车辆损毁严重。事故调查中发现，司机在驾车中因为看手机电影而未留意路况，造成了这起事故。 关键词：自动驾驶 安全性 美国时间 8 月 26 日晚间，北卡罗莱州发生了一起由 Tesla 引发的交通事故。 一名医生一边使用 Tesla 的自动驾驶（autopilot），一边观看手机中的电影，撞上了一辆警车。 Tesla（上图）事故后，警车（下图）事故后现场照片 事故发生时，警车停车在路边，两名警察正在协助处理另一起交通事故。Tesla 右侧撞击到警车左侧，车辆损坏明显，两名警察也受到冲击，撞倒在地。但所幸这起事故中，并没有人受重伤。 事故相似，专挑路边停靠的警车下手 近期，全美因为 Tesla 自动驾驶的大小事故已经多起， 在近期发生的十多起特斯拉事故中，有四起都是撞击警车。 而且这几起事故无一例外，都是处于自动驾驶状态下的 Tesla 撞击停在路边的警车。 7 月 15 日的车祸导致警车、救护车的连环相撞 调查结果：司机过度信任自动驾驶 四起撞击警车的事故中，有三起事故有着明确事故原因： 都是由于司机开启自动驾驶模式，并且没有注意路况时发生的。 最近发生在北卡州的这起事故中，当地交通警长基思 · 斯通接受

高质量激光雷达处理可实现针对各种应用的快速移动测绘 加州圣何塞--(美国商业资讯)-- Velodyne Lidar, Inc. 今日宣布， Kaarta Cloud ®将独家支持Velodyne的激光雷达传感器。Kaarta新的基于云的应用程序是处理、存储和共享3D空间的平台。与高质量激光雷达配合使用以3D形式捕获环境后，数据可上传到Kaarta Cloud中，以快速、轻松地将其处理为点云以供使用。即日起，高质量的3D移动测绘可用于更广泛的用户群。 此新闻稿包含多媒体内容。完整新闻稿可在以下网址查阅： https://www.businesswire.com/news/home/20200818005149/en/ Kaarta Cloud支持三款Velodyne传感器—— Ultra Puck™ 、 Puck™ 和 HDL-32E 。在使用Velodyne传感器扫描环境后，Kaarta专有的 Kaarta Engine 使用同时定位与地图构建(SLAM)算法将激光雷达数据即时处理为已注册的点云图。这使用户能够生成准确、可测量的3D模型以及复杂环境的生动视觉表示，这些复杂的环境包括建筑物、基础设施及危险区域和难以进入的区域。 移动扫描系统在不断进步，而这些系统的应用可能性也越来越大。人们对激光雷达成像用于震后评估、受损建筑物的调查、紧急情况下协助急救人员等方面的兴趣日益浓厚

2020云栖大会将于 9月17日-18日在线 举行，届时将通过官网为全球科技人带来前沿科技、技术产品、产业应用等领域的系列重要分享。 阿里巴巴高德地图携手合作伙伴精心筹备了 “智慧出行” 专场。我们将为大家分享高德地图在打造基于 DT+AI 和 全面上云 架构下的 新一代出行生活服务平台 过程中的思考和实践，同时邀请了合作伙伴和业内资深专家分享行业动态、理论发展方向以及在业界和学术界的 最新应用案例 。 大量前沿、创新性技术目前已经广泛应用于高德地图各项产品中，本论坛将着重讲述「高精地图、高精算法、智能时空预测模型、自动驾驶、AR导航、车道级技术」等话题，全面解析最新技术进展和场景化的实践经验，并与开发者们一起交流、讨论。 欢迎大家预约参加 2020云栖大会智慧出行专场 。 直播网址：https://yunqi.aliyun.com/2020/session31 【讲师/议题摘要】 1.高精算法推动高精地图落地 分享嘉宾：任小枫 阿里巴巴高德地图首席科学家、研究员 话题摘要：高精地图是自动驾驶走向落地的重要和必要环节，也是高德的一大未来方向。高精地图的生产，在精度、鲜度、效率等方面都提出了全新挑战。要想把高精地图做好，必须有技术上的飞跃。本次分享会从算法出发，整体介绍高德如何打磨和突破关键技术，把高精地图做到业界领先。 2.面向自动驾驶时代的“节奏式”交通控制 分享嘉宾：李萌

点击上方“3D视觉工坊”，选择“星标” 干货第一时间送达 来源：Opencv视觉实践 本文翻译自光头哥哥的博客：【Blur detection with OpenCV】。 本文仅作学习分享，原文链接： https://www.pyimagesearch.com/2015/09/07/blur-detection-with-opencv/ 这只超可爱、超活跃家养小猎犬可能是有史以来拍照次数最多的狗。从8周大我们得到它的时候，到现在，不到3年的时间，我们已经收集了6000多张狗狗的照片。 在刚刚过去的这个周末，我坐下来，试图整理手机里大量的照片。这是一项艰巨的任务，而且我很快就注意到一个问题——有很多照片模糊程度过高。 现在，对于一般人来说，我认为他们会删除这些模糊的照片(或者至少将它们移到一个单独的文件夹中)——但作为一个计算机视觉科学家，这是不可能发生的。 相反，我编写了一个快速的Python脚本，用OpenCV执行模糊检测。 接下来，我将向你展示如何使用OpenCV、Python和Laplacian算子计算图像中的模糊量。在这篇文章的结尾，你将能够应用Laplacian方法到你自己的照片来检测模糊的程度。 拉普拉斯变换的方差 图1:用Laplacian算子卷积输入图像 在研究如何检测图像中的模糊程度时，我的第一步是阅读优秀的综述论文，即【形状-聚焦测量算子分析[2013

　　 　　相信这些场景你一定不会感到匪夷所思：餐厅内的服务员寥寥无几，下单、备菜、传菜等机械性的工作完全交由机器人操作；“黑灯”工厂生产线前，不同机器协同工作，从原材料到最终成品，整个生产流程一气呵成，无需工人值守；工程师通过大屏幕实时监控车间运作情况，智能化生产管理让制造过程一览无余…… 　　智能制造建设如火如荼。从 “制造大国” 到“智造强国”，智能技术与制造行业的交叉引发商业创新井喷的同时，智能制造领域科创力量不断壮大，“智造未来”已不再是梦想，智能制造变革正在发生！ 　　为了凝聚智能制造相关领域的科创力量， 9 月 17 日，由金隅智造工场联合《麻省理工科技评论》中国共同发起的 “寻找聪明公司” 项目路演活动如期召开 ，经过前期的活动报名与定向邀请，本次共带来 10 家优质项目路演，数十家知名投资机构的代表、多位行业专家热情到场，多方进行了深入互动交流，共话智能制造美好前景。 　　 　　图 | 金隅智造工场 “寻找聪明公司” 路演活动现场 　　 聚焦大信息及智能制造，打造创新产业园区先锋 　　智能制造产业园区如雨后春笋般涌现，在北京乃至全国，金隅智造工场可以说是先锋代表。 　　以老旧工业厂房改造升级理念打造的金隅智造工场，位于北京西三旗核心区域，多方资源在此汇聚，让金隅智造工场远超出传统产业园区的范畴，已成为北京市智能制造领域新地标。 　　 金隅智造工场是由金隅集团投资建设

点击上方“3D视觉工坊”，选择“星标” 干货第一时间送达 来源：新智元 之前，李飞飞接受CNBC专访，针对AI未来的发展方向、如何确保AI以人为本等问题做出回答。李飞飞认为，智能和价值观都可以由人类灌输给机器。 李飞飞一直是人工智能积极力量的拥护者。 李飞飞的最新角色是斯坦福大学新成立的“以人为本AI研究院”的联合主任，该研究院专注于机器学习潜在用途的研究和教育，目标是找到AI能够改善人们生活的方式。 “人工智能已经发展成熟。它已经从一个利基技术领域转变成我们社会未来的主要驱动力。” 未来机器会超越人类吗？李飞飞坚持认为，机器的智能和价值观都来源于人类。 “我们在行业中看到这一点，在日常生活中也看到这一点。在斯坦福大学，我们认识到，对于人工智能的未来发展方向，以及如何引导它为人类社会带来最大的积极影响，有必要发挥思想领导力。” 这个新研究院的想法诞生于2016年，当时李飞飞站在自家车道上，与邻居、斯坦福大学的前教务长兼哲学家 John Etchemendy 交谈。 他们讨论到AI缺乏多样性，以及该领域如何狭隘地专注于工程和算法。他们认为，需要就技术如何帮助所有人展开更广泛的讨论。 现在，该研究院汇集了来自不同学科的研究人员和学者——如经济学、商学、政治学和计算机科学——研究AI对工作的影响以及人们如何重新掌握技能等课题。 “我认为，一个挑战是 确保这项技术的未来是仁慈的 ，