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 整理：公众号@智车科技 本文仅做学术分享，如有侵权，请联系删除。 这是一个arXiv上2020年6月底上传的综述“A Survey on Deep Learning for Localization and Mapping: Towards the Age of Spatial Machine Intelligence“，作者来自英国牛津大学，文章覆盖了odometry、mapping和SLAM等。 这是一个arXiv上2020年6月底上传的综述“A Survey on Deep Learning for Localization and Mapping: Towards the Age of Spatial Machine Intelligence“，作者来自英国牛津大学，文章覆盖了odometry、mapping和SLAM等。 如图给出了传统方法和学习方法的比较：X是传感器数据，Y是目标（运动、姿态和几何+语义等）。 关于深度学习在这个领域的应用，作者给出了如下的分类： 而这里给出综述的全貌，也是以上模块在所构成系统的相互关系图： 这是odometry的方法列表：分视觉、视觉-惯导和激光雷达三个类。 下面这张图告诉我们：非监督方法还是比监督方法误差大，深度学习和传统方法的混合精度不错。 这是mapping的方法列表：

点击上方“ 3D视觉工坊 ”，选择“星标” 干货第一时间送达 本文整理自知乎问答，仅用于学术分享，著作权归作者所有。 如有侵权，请联系后台作删文处理。 方法一 作者｜知乎用户 https://www.zhihu.com/question/333112953 1、项目中拿钱 能名正言顺拿的钱不多； 能名正言顺拿的只能说是小钱； 。。。 不论何种方法，如果能拿到钱，把钱投进去做其他两项内容算是眼光长远一些 当然，因地制宜，因人而异 2、专利 本身值钱的专利极少 有也不是常规学术圈的人能作为赚钱的工具 专利有价值的是技术体系 现在各大学技术转化都是在专利名义下的技术体系产业化 这种专利需在在开始就是奔着产业化去的，并形成大量数据、经验、技术特征、配套体系 能做到产业化的专利，需要长久投入 国家和学校都鼓励支持，名正言顺且更赚钱规模最大 3、和产业界合作横向课题 2的一种前体，但主体在企业一方 学术界负责以顾问的形式解决生产中出现的大小问题 钱不大不小，钱名正言顺，技术难度中等，国家鼓励，学校收管理费没额外话说 需要注意学生劳务问题，多给干活儿的学生发工资才好 4、按照从小到大，或从暗到明的过程 先做1，不要从中拿钱，即便拿了，再投进去换技术经验 然后开始接3，并根据情况协调1和3的比例 做1和3做得没感觉了，或有足够技术了，或有额外因素了，启动2 人多少还是要有点儿追求

云栖号资讯：【 点击查看更多行业资讯 】 在这里您可以找到不同行业的第一手的上云资讯，还在等什么，快来！ 智慧公交315线是全国首条正式投入运营的“智慧公交”线路。长沙首条智慧公交的正式运营，或许预示着我国的智能网联汽车项目即将迈向蓝海。 继4月下旬，长沙推出面向公众的无人驾驶出租车服务后，4月30日，长沙举行智慧公交315线首发仪式，正式面向长沙市民开放运营。活动现场邀请了湖南妇女儿童医院赴武汉抗击疫情的医护人员代表和部分普通市民，作为智慧公交315线的首批乘客。这也是全国首条正式投入运营的“智慧公交”线路。长沙首条智慧公交的正式运营，或许预示着我国的智能网联汽车项目即将迈向蓝海。 “交通强国”战略助力智能网联汽车产业发展 2019年9月，中共中央、国务院印发了《交通强国建设纲要》（以下简称《纲要》），并发出通知，要求各地区各部门结合实际认真贯彻落实。“交通强国”成为国家战略。 值得注意的是，《纲要》中特别提到，要加强智能网联汽车(智能汽车、自动驾驶、车路协同)研发，形成自主可控完整的产业链。多位交通业内人士表示，《纲要》为中国智能网联汽车产业的发展带来了重大契机和利好。 目前智能汽车是重大投资热点，但智能网联汽车除了需要智能汽车，还需要智慧的公路网和强大的通讯网络。《纲要》对智能汽车、自动驾驶、车路协同进行了同时强调，为未来智能网联汽车明确了技术发展路径。 2016年

5G工业网关是基于5G通信的物联网网关，5G工业网关作为物联网数据传输中枢，将成为智能制造、智慧医疗、慧城市以及自动驾驶等领域的关键点之一。 在工业时代，生产设备、原材料和能源是工业生产的三个基本要素，5G工业网关可工厂内“物”的连接，并提供工业级的可靠性和实时性，这些能力使得5G工业网关能够成为支撑工业互联网战略顺利实施的关键设备。 5G工业网关能够确保基本生产工序与物品物料和设备之间的互联互通，以感知实时决策所需的各项数据。将所感知的信息数据通过无线网络传输到工业互联网平台背后的数据中心或智能计算中心，再通过大数据分析，实现智能决策，使得设备/产线具有可视化、可控化、自动化和自我优化等功能，从而实现设备/产线的智能化，形成感知式的管理生产过程。 通过数据感知，对数据进行分析挖掘，未来的生产过程可实现高可靠性、高稳定性运转，每个生产环节清晰可见，最大限度地降低人工干预，使整个企业有序高效地自动运营。 来源： oschina 链接： https://my.oschina.net/u/4349274/blog/4321275

云栖号资讯：【 点击查看更多行业资讯 】 在这里您可以找到不同行业的第一手的上云资讯，还在等什么，快来！ 编者按：本文来自微信公众号“脑极体”（ID:unity007），作者：海怪，36氪经授权发布。 在世人对AI的“邪恶性”进行攻诘的浪潮中，AI造假，可能已经是现在排首位的理由了。 自从2017年Deepfake（深度伪造）横空出世以后，人们惊呼原来AI在造假方面简直天赋异禀。此后“AI生成内容”技术，特别是GAN算法的突飞猛进更加印证了这一事实。不仅仅是AI换脸，还有AI自动生成文本、语音、图像、视频等等一切数字内容。 除了AI换脸带来的色情视频泛滥之外，人们更进一步担心AI生成内容技术在隐私侵犯、威胁信息安全、操纵政治选举等方面带来全新挑战。 人们往往会假设，如果任由AI生成的内容在互联网中蔓延，将会更进一步冲毁互联网世界的真实性边界。 （被AI造假的扎克伯格“讽刺”自己的Facebook平台） Deepfake之后，真相何在？ 如果哪些是真，哪些是假，普通人都难以分辨的时候，那么组成社会基石的真相和信任将就此坍塌，但我们似乎还没有做好活在“无信任社会”的准备吧。 德国哲学家康德在《实践理性批判》中论证“人为什么不能说谎”的法则，揭示了“无信任社会”的悖论和荒谬。假如“人人可以说谎”是一条社会的通行法则，那么，每个人都不会再信任另一个人说的话，这样说话人的谎言也就不会得逞

年轻人的模样，就是“心里有火，眼里有光” 今年“五四”青年节前夕，Bilibili（B站）发布了一则应景的短视频，献给新一代的演讲——《后浪》。 国家一级演员何冰，以铿锵浑厚的声音，在镜头前替年轻人们发声，否定了“一代不如一代”的偏见，为年轻人们呐喊着：“奔涌吧，后浪”！ 短视频上线仅1天，就达到了770万观看，13万弹幕，101万点赞，也使得“后浪”一跃成为“当代年轻人”的标准代名词。 而就在几天前，后浪这个词的解释还只限于，“裤子后浪（后档）是指裤子后中裤腰下方与大身接缝处到下档的长度”。 “时代更有幸，遇见这样的你们” 时代，造就了“后浪”与“前浪”迥然不同的生长环境。那时，“前浪”没有智能手机、没有微信、没有B站，QQ号码甚至还是6位起；那时，“前浪”还在用传说中的磁带听音乐；那时，“前浪”玩的最火的游戏叫超级玛丽和魂斗罗，而不是吃鸡和王者。 “你所热爱的，就是你的生活；你们有幸，遇见这样的时代；但是时代更有幸，遇见这样的你们。”何冰在《后浪》里这样说。 他所说的“这样的时代”，就是数字时代。信息技术、互联网等数字产业的飞速发展，为“后浪”打开了新世界的大门。出门可以不带钱包，宅家也能有吃有喝都已经是小case，如同科幻世界一般的机器人服务、自动驾驶应用都已经近在咫尺。 可以预见，这些祖辈父辈们从来没有接触过的新兴产业，以及蓬勃的数字经济时代，将由“后浪”撑起。 如何把握

Carla是一个开源的自动驾驶测试框架，类似于Airsim。如果你搜索到了这篇文章，你应该已经大概知道carla是做什么的了。 Carla有pre built binary，Linux和Windows平台的都有，也有官方的build tutorial，我自己尝试了下在Windows下的编译。结果第一步就出现了compiler error，因为懒所以我干脆用了他的官方二进制。 https://github.com/carla-simulator/carla/releases 在0.9.5有Windows的二进制下载 解压后打开root directory的可执行文件，会产生一个类似下图的可交互界面。 这时候产生的是一个Server，是一个world。你可以用wasd和鼠标控制Ego的视角，到处飞行。 在PythonAPI文件夹下有一个叫example的文件夹，里面有一些python实列文件可以展示设置client和server进行交互。 当然，我们今天说的是要和ROS bridge交互。0.9.5的ROS bridge可以在下边的链接下载 https://github.com/carla-simulator/ros-bridge/releases 下载解压以后，具体如何编译和使用都在一下可以找到 https://github.com/carla-simulator/ros

在自动驾驶领域有这样一个说法：关注自动驾驶的进展，就看高精地图的动态，因为他们才是加速自动驾驶汽车落地的幕后推手。本文介绍了QingStor®️对象存储的种种优势以及许多针对该场景的特性，分享了对象存储在高精度地图场景中的最佳实践。 大家都对无人驾驶和地图比较熟悉，但是大家相对较少听到高精地图这个名词，简单地说，高精地图是给自动驾驶的汽车使用的，与日常使用的二维平面地图有比较大的差异，包含的信息也会更加复杂。 无人驾驶与高精地图关系概述 对于无人驾驶而言，主要分为四个阶段。在感知阶段中，车辆核心依靠车载传感器获取具体的道路与环境信息，然而在实际情况中，由于天气、环境等不确定性，仅仅依赖传感器是无法实现自动驾驶的，每一种传感器都有各自的感知缺陷和限制： 如激光传感器检测效果稳定，但在面对大范围的尘土时，其检测效果大幅降低； 高分辨率摄像机能检测图像中的物体，窄视场的摄像机可以检测很远的距离，但是面对暴雨、大雪等恶劣天气，其很难检测到正确的车道线和障碍物等信息； 传感器是很难判断车辆所处位置是高速公路上还是处在普通城市道路上的，车速最高可以开多快，前方道路的曲率，所处路段的 GPS 信号强弱都会影响检测结果； 额外传感器遇到检测盲区，更加无法实时捕获的道路与环境信息。 这些问题，在有了高精度地图后都迎刃而解。 在无人驾驶的第二阶段定位和第三阶段车辆行驶决策阶段

当公司投资物联网时，首先要问的一个问题是，在物联网项目中，需要哪些关键人员？ 以下是在2020年打造物联网梦想团队所需的7个关键参与者。 1、解决方案架构师 经验丰富的解决方案架构师是游戏规则的改变者。他或她是首席工程师，他或她将规划系统，协调整个技术堆栈的工作，并根据需要把没用的东西清理出去。 每个出色的物联网项目都始于可靠的设计，您的架构师是实现此目标的领导者。 2、软件工程师 软件是物联网的重要组成部分。数据模型、规则引擎、分析、连接协议、服务器基础设施和应用程序开发都随着软件开发而实现。在这个领域，关键是进行全堆栈开发，并着眼于在不同系统之间交换数据。 软件工程师致力于让您的物理产品成为智能的互联产品。通过连接到云，公司可以收集有价值的数据，并通过桌面和移动应用程序在控制面板中显示这些数据。 3、数据工程师 物联网就是利用数据的价值。它可以很简单，例如，知道产品的状态并发送软件更新以进行改进，或者是更高级的功能，比如自动驾驶汽车对物体检测做出反应。 这些场景的背后是数据大师，他建立了逻辑、规则和算法来实现这一点。 如果您想拥有一个强大且高收益的商业模式，请雇佣顶尖的数据工程师来挖掘其价值。 4、嵌入式工程师 据羿戓信息所了解，嵌入式工程师构建可在设备上运行的代理和其他软件。这些边缘软件系统可以收集数据，并准备好进行传输，并且在许多情况下还会进行本地处理（例如分析）。

德国交通标志识别基准数据集：可能是自动驾驶汽车领域最受欢迎的图像分类数据集。 自动驾驶车辆需要对交通标志进行检测和分类，以了解应用于路段的交通规则。也许，这个数据集太小而且不完整，无法用于实际应用。不过，它是计算机视觉算法的一个很好的baseline。 数据集链接： [http://benchmark.ini.rub.de/?section=gtsrb&subsection=about] ▌数据集 数据集由两部分组成：训练集和测试集。 训练集包含39209张交通标志图片, 共分为43类，例如停车标志，自行车穿越和速度限制30 km / h。 德国交通标志识别数据集图像的例子 数据集的样本类别非常不均衡(imbalanced)。 例如，“速度限制（50 km / h）”符号有1800个样本，但“危险曲线向左”符号只有168个。 测试集具有12630张图片。2011年IJCNN就是用这个数据集进行了一场比赛. 您可以从官方网站下载数据集。 http:// benchmark.ini.rub.de/? section=gtsrb&subsection=dataset ▌实验方法 我尝试使用在ImageNet数据集上预训练的ResNet34卷积神经网络来进行迁移学习。 我在fast.ai最新版本的“ 深入学习编码器 ”课程中学到了解决计算机视觉问题的方法