自动驾驶
8 人感兴趣 · 123 次引用
- 最新
- 推荐
征程 6 云端 Ota 升级方案设计与实现
在开发、调测过程中，经常通过 Ota 技术升级应用软件、底软。目前，项目上已将 Matrix6 的 Demo 部署在实车上，每次软件、底软需要版本更替或版本升级时，都需要研发测试同学上到车上使用工控机进行手动升级。
bc 与 hbm 一致性比对
使用地平线 征程 6 算法工具链时，算法侧在验证 quantized.bc 精度符合预期后，软件侧反馈 hbm 精度不符合预期，此时应该怎么做呢？
地平线 bev_cft_efficientnetb3 参考算法 -v1.2.1
本文为 camera calibration free 的 transformer-based 的 BEV 感知算法的介绍和使用说明。
YOLOP 多任务算法详解
YOLOP 是华中科技大学研究团队在 2021 年开源的研究成果，其将目标检测/可行驶区域分割和车道线检测三大视觉任务同时放在一起处理，并且在 Jetson TX2 开发板子上能够达到 23FPS。
自动泊车端到端算法 ParkingE2E 介绍
在本文中，我们采用模仿学习来执行从 RGB 图像到路径规划的端到端规划，模仿人类驾驶轨迹。我们提出的端到端方法利用目标查询编码器来融合图像和目标特征，并使用基于 Transformer 的解码器自回归预测未来的航点。
征程 6E camera diag sample
本文的 demo sample 主要描述当前 camera 相关外设诊断的当前状态，并提供自定义实现的方法及使用说明。
地平线 3D 目标检测 bev_sparse 参考算法 -V1.0
在自动驾驶视觉感知系统中，为了获得环绕车辆范围的感知结果，通常需要融合多摄像头的感知结果。目前更加主流的感知架构则是选择在特征层面进行多摄像头融合。
对通用骨架提取方法的改进
骨架（或中轴线）具有在二进制形状和自然图像中提供紧凑而有意义的对象表示的潜力（以下简称为“形状”和“图像”），适用于图像表示和各种多媒体应用。
征程 6 环视快启 sample
环视 4V 解串器直接接到 main 域，mcu 访问 main 域 i2c、gpio、lpwm，对 camera sensor、serdes 以及 lpwm 进行初始化，完成环视的快速出图。
地平线与英伟达工具链 PTQ 工具功能参数对比与实操
在阅读本文之前，希望大家对 PTQ（Post-Training Quantization） 训练后量化有一定的了解～
征程 6 工具链常用工具和 API 整理
征程6 工具链目前已经提供了比较丰富的集成化工具和接口来支持模型的移植和量化部署，本帖将整理常用的工具/接口以及使用示例来供大家参考，相信这篇文章会提升大家对 征程6 工具链的使用理解以及效率。
浅谈 Occupancy
Occupancy Network 算法可以更好的克服感知任务中存在的长尾问题以及更加准确表达物体的几何形状信息而受到来自工业界和学术界越来越广泛的关注。
CAMA | 以视觉为中心的静态地图元素标注方法
在自动驾驶领域，静态地图元素的精确标注是实现高精度环境感知的关键。然而，现有的公共数据集在一致性和准确性方面存在局限，无法满足日益增长的高精度训练数据需求。
BEVFormer 开源算法逐行解析（二）：Decoder 和 Det 部分
本系列的目的是结合代码实现细节、在 tensor 维度的变换中帮助读者对算法能有更直观的认识。
