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 作者：william 链接：https://zhuanlan.zhihu.com/p/136263753 本文转载自知乎，作者已授权，未经许可请勿二次转载。 Camera Calibration and LIDAR Cloud Projection 多传感器融合一直是自动驾驶领域非常火的名词, 但是如何融合不同传感器的原始数据, 很多人对此都没有清晰的思路. 本文的目标是在KITTI数据集上实现激光雷达和相机的数据融合. 然而激光雷达得到的是3D点云, 而单目相机得到的是2D图像, 如何将3D空间中的点投影到图像平面上, 从而获得激光雷达与图像平面相交的区域, 是本文研究的重点. 其次本文会介绍相机这个大家常见的传感器, 以及讲解如何对相机进行畸变校准. Github: https://github.com/williamhyin/lidar_to_camera Email: williamhyin@outlook.com Camera Technology 针孔相机与透镜 人类最早的相机是针孔相机. 通过在目标物体之间放置一个带有微小开口（针孔）的光栅可以设计一个非常简单的相机. 物体发出的光穿过针孔并落在感光表面上, 该感光表面将光信息存储为图像. 之所以将针孔做得如此之小,

点击上方“ 3D视觉工坊 ”，选择“星标” 干货第一时间送达 代码地址：https://github.com/ShichenLiu/SoftRas 论文题目：Soft Rasterizer: A Differentiable Renderer for Image-based 3DReasoning(CVPR2019) 概述 渲染通过模拟图像形成的物理过程来缩小二维视觉和三维场景之间的差距，通过反转这种渲染器，人们可以得到一种从二维图像中推断三维信息的学习方法。然而，光栅化阻止了渲染过程变成一个可微操作。 与目前最先进的可微渲染器不同，作者提出了一种真正可微的渲染框架，它可以直接使用可微函数渲染着色网格，并将有效的监督信号从不同的图像表示形式（包括轮廓、阴影和彩色图像）反向传播到网格顶点及其属性。 该框架的关键是一个新的公式，它将渲染视为一个聚合函数，将所有网格三角形关于渲染像素的概率贡献融合在一起并且使得框架能够将梯度流到被遮挡的和远距离的顶点，这是以前的技术所无法实现的。结果表明，利用该渲染器可以在质量和数量上对三维无监督单视图重建进行显著的改进。 简介 从二维图像中理解和重建三维场景和结构是计算机视觉的基本目标之一。基于图像的三维推理关键在于找到从像素到三维属性的足够监督。为了获得图像到三维的相关性，先验方法主要依赖于基于二维关键点 / 轮廓或形状 / 外观的匹配损失

　　在 4 月 26 日至 5 月 1 日举行的国际表征学习大会 ICLR 2020 期间，深度学习三巨头中的 Yoshua Bengio 和 Yann LeCun 表示， 自我监督学习可能会让 AI 在推理上更像人类 ，他们坦率地谈到了一些最新的研究趋势。 　　监督学习需要在标记的数据集上训练人工智能模型，LeCun 认为随着自我监督学习的广泛应用，监督学习的作用将越来越小。自监督学习算法不依赖注释，而是通过暴露数据各部分之间的关系，从数据中生成标签，这一步骤被认为是实现人类智能的关键。 　　 　　图｜深度学习三巨头（来源：Fortune） 　　“ 我们作为人类学习的大部分知识和动物学习的大部分知识都是在自我监督的模式下，而不是强化的模式。 基本上是通过观察世界，并与之进行一些互动，主要是以独立于测试的方式进行观察，这是我们不知道如何用机器复制的（学习）类型。” 　　 但不确定性是阻碍自主学习成功的主要障碍。 　　深度学习里的 “ 特征分布 ” 至关重要，它们能将变量的每个可能值与该值出现的概率联系起来，也能很好地表示变量离散的不确定性，这就是为什么像 Google 的 BERT 模型这样的架构会比较成功的原因。 　　 不幸的是，研究人员还没有找到一种有效的方法来表示变量是连续的分布，也就是说，它们只能通过测量获得。 　　LeCun 指出

这款呼吸机是计算机架构大师 Bill Dally 的手笔。 计算机先驱们也加入了抗击新冠的行列：英伟达首席科学家 Bill Dally 本周宣布了一款开源低成本机械呼吸机设计。 Dally 表示，这款呼吸机的设计仅耗时几周，对于这位职业生涯中对于半导体行业、超级计算机的发展做出过重要贡献的学者来说，该项目相对比较简单：呼吸机仅需使用现成的电子元件制作，成本约 400 美元，而且可以快速制造出来。 相比之下，传统的呼吸机成本可能要超过两万美元——这还是新冠疫情流行之前，市场没有出现波动时的情况。 除担任英伟达首席科学家、负责把控公司整体技术战略发展外，Dally 同时还是美国国家工程院院士、美国文理科学学院院士、IEEE 和 ACM 会员。在 2009 年就任英伟达之前，Dally 还曾担任 MIT、斯坦福大学的教授，是 MIT 助理教授韩松的博士生导师。在系统架构方面，他几乎与图灵奖得主 David Patterson 齐名。 自 2009 年加入英伟达之后，Dally 领导着一个超过 200 名科学家的团队，专注于 AI、计算机视觉、自动驾驶汽车、机器人技术和图形等领域。 Bill Dally 在 2018 年的 GTC 大会上。 「我不希望看到因为大规模疫情而出现呼吸机短缺的情况，」Dally 表示。「但我认为如果最坏的情况可能发生，人们必须做好准备。」 呼吸机和新冠

近日，国家发改委、工信部等11个部委联合印发了《智能汽车创新发展战略》。《智能汽车创新发展战略》指出，我国北斗卫星导航定位系统水平国际领先，全国统一的的高精度时空基准服务网络，为智能汽车发展提供了有力的基础设施保障。 下一步，将充分利用已有北斗卫星导航定位基准站网，建设覆盖全国的车用高精度时空基准服务能力，同时推进车载高精度传感器等产品的研发与产业化，加快北斗卫星导航定位系统在智能汽车相关领域的应用。 以下为《智能汽车创新发展战略》的6大重点内容： 一、我国拥有发展智能汽车的战略优势 《战略》指出， 随着互联网、信息通信等领域涌现一批知名企业，我国网络通信实力雄厚；在路网规模、5G通信、北斗卫星导航定位系统等方面的领先优势，成为我国发展智能汽车的有力保障。同时，我国汽车销量位居世界首位，新型城镇化建设快速推进，市场需求前景广阔。 二、2025年高精度时空服务网络全覆盖 《战略》提出，到2025年，我国标准智能汽车的技术创新、产业生态、基础设施、法规标准、产品监管和网络安全体系基本形成，具体包括，实现有条件自动驾驶的智能汽车达到规模化生产，实现高度自动驾驶的智能汽车在特定环境下市场化应用。 智能交通系统和智慧城市相关设施建设取得积极进展，车用无线通信网络（LTE-V2X等）实现区域覆盖，新一代车用无线通信网络（5G-V2X）在部分城市、高速公路逐步开展应用

| 文章版权所有，未经授权请勿转载或使用 核心观点 1、 三大运营商初期5G定价回归理性，探索新商业模式成为必选项；个人业务聚焦超高清视频、快游戏等，同时加速推进5G消息，向OTT厂家展开反攻； 2、5G终端市场前景广阔，运营商转变战略抢占5G创新终端市场：全网通和全场景终端成为趋势；强化渠道提升自主销售能力，重建品牌；坚持个人与行业市场并重战略； 3、5G的真正潜力在于垂直行业应用，运营商通过组织变革、积极布局生态合作等方式探索5G行业应用，此次抗击疫情中5G崭露头角令人鼓舞。不过，5G行业应用的探索必将是分阶段、分重点和长期的过程，需保持耐心； 4、2020年中国5G发展步入加速期，虽有疫情冲击，但全年建网目标不改，随着中国广电的入局和应用探索的深入，未来中国5G有望延续当前势头保持快速发展。 | 全文 8 000 字，预计阅读 18 分钟 多重推力下，中国5G加速成长。截止今年2月，国内已开通15万5G基站，用户规模突破1000万。当前，新冠肺炎疫情全球蔓延，中国经济下行压力加剧，5G为代表的新基建被高层频频点名，赋予更为重大的历史使命。同时，5G面临早期巨额投资和商业模式不成熟的现实情况，运营商们如何权衡并选择适合自己的5G发展路径考验决策智慧。此外，5G给电信业带来商业模式的重构机遇，中国运营商们能否走出4G时代管道价值被低估的尴尬，值得探讨。继上篇 《中国5G逆势发力

1.概述 5G技术演进方式与前几代移动通信截然不同。首先，2G/3G/4G时代是技术领先应用，先有移动通信技术不断发展，待成熟之后再推广到不同应用， 其应用主要侧重于“改变生活”。5G却恰恰相反，是应用牵引技术。先要确定应用的需求和场景，包括 “生活”和“社会”两方面内容，然后再去探索发现相对应的具体技术，例如：5G 新空口(New Radio, NR)设计标准就是来源于全新应用场景，其中包括： 新波形、新调制方式、新帧结构、新多址技术、新编码 技术和大规模多天线技术等一系列新无线空口技 术。未来移动通信技术演进（6G及以后）也会按照这种“应用引领、技术跟随”的方式出现。 5G网络是广带化、泛在化、智能化、融合化、绿色节能的网络。根据5G白皮书中的技术愿景，5G网络将满足人们超高流量密度、超高连接数密度、超高移动性的需求，为用户提供高清视频、虚拟现实、增强现实、云桌面、在线游戏等极致业务体验。5G将渗透到物联网领域，与工业设施、医疗仪器、交通工具等深度融合，全面实现“万物互联”。 2. 5G性能指标（5G之花） 面向2020年及未来，5G将解决多样化应用场景下差异化性能指标带来的挑战，不同应用场景面临的性能挑战有所不同，用户体验速率、流量密度、时延、能效和连接数都可能成为不同场景的挑战性指标。 5G在速率、容量、覆盖、时延、安全、用户体验等方面的飞跃，将为人类开启全新的发展时代

　　 　　 学院出身，喊话英伟达，技术惊艳，框架开源，融资激进……剧本是否似曾相识，套用在那些响当当的明星 AI 芯片公司身上似乎都能对号入座，但是很不幸，先驱已经倒在了退潮期的沙滩上。 过分追求性能、功耗等参数上的优越性很大程度上将造成在实际应用上脱节——编程困难和不可移植，很难在实际应用中发挥效果，更难建立生态。 换句话说，产品再好，但客户用不上。 　　 撰文 | 徐丹、吴昕 　　 编辑 | 四月 　　 2020 年，第一家 AI 芯片公司倒在了黎明前。 　　美国 AI 芯片公司 Wave Computing 接近倒闭，已申请破产保护，中国区工厂全部关闭。尽管 Wave Computing 负责人第一时间向媒体解释，公司并非倒闭，只是申请破产保护，进行资产重组。 但显然并不能改变什么。 　　Wave Computing，2010 年成立于美国加利福尼亚坎贝尔，公司愿景是「数据追踪」，定位云计算市场，从数据中心到边缘云，对客户的数据进行深度学习训练。核心产品是基于 dataflow 技术架构的芯片 DPU，每项技术都处在行业研究前沿，在加速神经训练上甚至能够超越 GPU 1000 倍。 可以称得上最早的一批 AI 芯片公司。 　　 Wave 早期团队与学院派出身的 MIPS 渊源颇深，甚至说脱胎于 MIPS 也不为过 ——Wave 的七位高管有四位都曾任职 MIPS，其中 CEO

　　在数据分析方面，人们往往会想到密集的数字表格、先进的数据建模技术或华丽的数据报告。事实上，"分析"本身就是每个人具备的能力；例如，根据股票的趋势决定是否买入，根据日常时间和过去的经验来选择驾驶路线；在买票和预订酒店时，比对多家的价格后做出最终选择。 　　这些小型决策，其实都是依照我们脑海中的数据点作出判断，这就是简单分析的过程。对于业务决策者而言，则需要掌握一套系统的、科学的、符合商业规律的数据分析知识。 　　一.数据分析的战略思维 　　无论是产品、市场、运营还是管理者，你必须反思：数据本质的价值，究竟在哪里？从这些数据中，你和你的团队都可以学习到什么？ 　　1.1数据分析的目标 　　对于企业来讲，数据分析的可以辅助企业优化流程，降低成本，提高营业额，往往我们把这类数据分析定义为商业数据分析。商业数据分析的目标是利用大数据为所有职场人员做出迅捷、高质、高效的决策，提供可规模化的解决方案。商业数据分析的本质在于创造商业价值，驱动企业业务增长。 　　1.2数据分析的作用 　　我们常常讲的企业增长模式中，往往以某个业务平台为核心。这其中，数据和数据分析，是不可或缺的环节。 　　通过企业或者平台为目标用户群提供产品或服务，而用户在使用产品或服务过程中产生的交互、交易，都可以作为数据采集下来。根据这些数据洞察，通过分析的手段反推客户的需求，创造更多符合需求的增值产品和服务

学院出身，喊话英伟达，技术惊艳，框架开源，融资激进……剧本是否似曾相识，套用在那些响当当的明星 AI 芯片公司身上似乎都能对号入座，但是很不幸，先驱已经倒在了退潮期的沙滩上。 过分追求性能、功耗等参数上的优越性很大程度上将造成在实际应用上脱节——编程困难和不可移植，很难在实际应用中发挥效果，更难建立生态。 换句话说，产品再好，但客户用不上。 撰文 | 徐丹、吴昕 编辑 | 四月 2020 年，第一家 AI 芯片公司倒在了黎明前。 美国 AI 芯片公司 Wave Computing 接近倒闭，已申请破产保护，中国区工厂全部关闭。尽管 Wave Computing 负责人第一时间向媒体解释，公司并非倒闭，只是申请破产保护，进行资产重组。 但显然并不能改变什么。 Wave Computing，2010 年成立于美国加利福尼亚坎贝尔，公司愿景是「数据追踪」，定位云计算市场，从数据中心到边缘云，对客户的数据进行深度学习训练。核心产品是基于 dataflow 技术架构的芯片 DPU，每项技术都处在行业研究前沿，在加速神经训练上甚至能够超越 GPU 1000 倍。 可以称得上最早的一批 AI 芯片公司。 Wave 早期团队与学院派出身的 MIPS 渊源颇深，甚至说脱胎于 MIPS 也不为过 ——Wave 的七位高管有四位都曾任职 MIPS，其中 CEO Derek Meyer 曾经是 MIPS