会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

基于大数据的军事情报分析与服务系统架构研究

针对大数据时代带来的变革与挑战，开展面向军事领域的情报分析与服务系统架构研究和设计。提出了基于大数据的军事领域情报分析与服务系统的通用体系架构和运行模式设计，并对系统架构的关键技术进行了探索分析。应用大数据技术，对于提高信息化军事情报处理和决策支持能力具有重要意义。

  • 2022-01-18
  • 阅读130
  • 下载0
  • 8页
  • docx

美国防空反导系统中雷达新技术发展及应用研究

经过多年发展，美国部署了遍布全球的预警探测装备。面对导弹技术的扩散、五代机的入役和高超声速武器等新威胁的出现，美军的防空反导系统面临着日益严重的威胁，长期以来难以解决的目标识别难题也更加严重。为进一步提升探测跟踪及目标识别能力，增强防空反导系统的作战能力，美国近年来从雷达新体制、新器件等多个方面，加大雷达新技术的研究力度。目前已开始将一些技术应用于雷达型号的研制与生产中。

  • 2022-01-18
  • 阅读134
  • 下载0
  • 20页
  • docx

人工智能在汽车自动驾驶系统中的应用分析

本文以自动驾驶系统为代表的汽车智能化技术将对汽车产业生态变革产生重大影响。首先，分析了自动驾驶技术发展路线、发展现状及人工智能（Artificial Intelligence，AI）的应用领域，指出 AI 在自动驾驶应用中面临的挑战。然后，提出一种基于 AI 的车云协同自动驾驶系统架构，分析了基于 AI 的智能驾驶终端软硬件架构与基于大数据的自动驾驶云端空间架构；结合车端与云端的 AI 集成应用问题、信息数据交互方法与车云协同技术，讨论了人工智能在自动驾驶系统的主要应用。

  • 2022-01-18
  • 阅读120
  • 下载0
  • 15页
  • docx

DOE提出综合能源系统协同研究的机遇与挑战

近日，美国能源部（DOE）发布《综合能源系统：协同研究机遇》报告指出，与传统独立能源系统相比，综合能源系统（HES）通过总体控制或物理方式集成多种能源生产、存储和/或转换技术，以实现节约成本、增强能效和环境效益。综合能源系统对美国经济脱碳、生产高价值产品（如氢气）、提高电网灵活性，以及扩大可再生能源技术的部署将发挥重要作用。但综合能源系统作为全新的能源系统形态，也为电力市场的设计、运营和监管，国家监管以及能源政策的设计和实施带来了挑战。

  • 2022-01-18
  • 阅读215
  • 下载0
  • 6页
  • docx

为何全视觉方案无法实现真正的自动驾驶

当前，主流的自动驾驶Tier1和主机厂都趋向于设计更加先进的传感器架构将传感器的探测能力提升到最大值。其中，不乏有类似特斯拉、小鹏这样趋向于推进视觉感知架构设计的主机厂，也不乏有类似博世、大陆这类传统趋向于推进雷达感知为主的供应商。也有在传感器架构中趋向于设计全传感冗余方案的主机厂，如蔚来、waymo、百度等不差钱的主机厂。从量产的角度出发，我们在设计传感架构时更多的是追求所谓的性价比，也即用最少的传感器设计最优的系统架构。

  • 2022-01-18
  • 阅读118
  • 下载0
  • 9页
  • docx

高级自动驾驶系统的新型三大感知能力要素分析

自动驾驶传感器配置需求随着汽车智能化和电动化的快速发展不断增加。当前的传感器趋向于从探测范围、探测精度、探测能力上进行不断优化以便适应更多的边缘场景。使用更高级能力的传感器到底能带来哪些优势，又能解决哪些问题，如何对车身周围配置的传感器进行最优化配置和选择将是我们必须要面对的问题。

  • 2022-01-18
  • 阅读112
  • 下载0
  • 13页
  • docx

基于计算机视觉的自动驾驶算法研究综述

本文从基于传统特征和基于深度学习两方面对自动驾驶技术进行了综述：首先论述了基于传统特征的自动驾驶技术，如道路与车道线的检测、前车检测、行人检测和防撞系统等，由于识别目标种类繁多，基于传统特征的目标检测遇到了很难超越的瓶颈；接着阐述了基于深度学习的自动驾驶算法，采用卷积神经网可以直接学习和感知路面及道路上的车辆，可大幅度提升自动驾驶算法的性能；最后总结全文，并展望了未来的研究方向，即整合传统特征和深度学习特征，进一步提升深度驾驶的拟人化和实用化水平。

  • 2022-01-18
  • 阅读113
  • 下载0
  • 10页
  • docx

深度卷积神经网络（CNN）在无人驾驶中的应用

卷积神经网络（Convolutional Neural Network，CNN）是一种适合使用在连续值输入信号上的深度神经网络，比如声音、图像和视频。它的历史可以回溯到1968年，Hubel和Wiesel在动物视觉皮层细胞中发现的对输入图案的方向选择性和平移不变性，这个工作为他们赢得了诺贝尔奖。时间推进到上世纪80年代，随着神经网络研究的深入，研究人员发现对图片输入做卷积操作和生物视觉中的神经元接受局部receptive field内的输入有相似性，那么在神经网络中加上卷积操作也就成了自然的事情。

  • 2022-01-18
  • 阅读112
  • 下载0
  • 11页
  • docx