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

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209
  • 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108
  • 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107
  • 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104
  • 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107
  • 下载0
  • 11页
  • docx

地面无人驾驶系统环境感知技术的发展

地面无人系统具有平台损毁无人员伤亡、可长期值守等特点，目前主要用于扫雷破障、武装巡逻、核生化探测、危险品运输、火力引导、通信中继和后装保障等领域，已投入伊拉克和阿富汗战场使用，是未来陆军作战方式向非接触、非线式、非对称、零伤亡变革的必要装备。高新技术的飞速发展与武器系统的升级换代，使得战场上战斗人员的生存能力越发得到重视，为保护作战人员的生命，近年来发展的地面无人作战系统能够协助士兵在复杂的作战空间探测敌人，扩大作战视野，有效在侦察、核生化武器探测、障碍突破、反狙击和直接射杀等任务时避免人员损伤，大幅度提高了作战人员的生存率、灵活性和战斗力。

  • 2022-01-18
  • 阅读121
  • 下载0
  • 8页
  • docx

一文读懂自动驾驶中基于特征点的视觉全局定位技术

在无人驾驶中，感知、定位、规划决策、控制是四个基本的系统模块。由于当前算法还无法实现绝对的智能，因此依然需要大量的先验知识来提高模块性能、鲁棒性，以实现安全的自动驾驶。其中，高精地图是对道路及周边环境先验知识的集成。而建立在地图之上的准确定位，是判断行车状况的重要依据，为后续的感知、规划决策提供有力支撑。

  • 2022-01-18
  • 阅读153
  • 下载0
  • 17页
  • docx

一文读懂基于DL的无人驾驶视觉感知系统的应用场景

复杂环境场景时，边界形状复杂多样，导致泛化难度较大。不同于其它的检测有明确的检测类型（如车辆、行人、交通灯），通行空间需要把本车的行驶安全区域划分出来，需要对凡是影响本车前行的障碍物边界全部划分出来，如平常不常见的水马、锥桶、坑洼路面、非水泥路面、绿化带、花砖型路面边界、十字路口、T字路口等进行划分。

  • 2022-01-18
  • 阅读105
  • 下载0
  • 8页
  • docx