A深藏blue

A深藏blue

简介:这个用户很懒,还没有填写个人简介

关注36 粉丝1 获赞24

  • 加入黑名单
  • 最新
  • 动态
  • 文章
  • 视频
  • 点评
  • 闲置
  • 个人信息
  • 门店优惠
  • 全部
  • 动态· {{circleNum.ins_num}}
  • 文章· {{circleNum.article_num}}
  • 视频· {{circleNum.video_num}}
  • 点评· {{circleNum.remark_num}}
  • 闲置· {{circleNum.sale_num}}

优惠活动

抵扣券

权益礼包

有没有大神做一下当前具备城市NOA的几个车型MAX版本的选装率是多少?

A深藏blue 点赞 8 评论 3

最近自动驾驶一些思考 -当前摄像头性能已经被tranformer+BEV挖掘到极致了,基于占用网络的纯视觉路线没有一家能跟上,特斯拉遥遥领先 -毫米波雷达对于国内企业来说肯定是要保留的,因为雨雪雾天气摄像头始终无法应对,1R要比3R,5R价值要大,性价比要高 -超声波雷达这个东西肯定要去掉的,不符合逻辑,只能实现短距测距,而且有时候还不准,传感器复用度太低,一定得干掉 -激光雷达当前能识别到的,基于占用网络的摄像头基本也能解决,看成本能否降下来,还是算法先跃进,估计成本短期不会降到2000元以下 -未来估计各个车企会有两个平台共存,一个是半导体追求算力天花板的结果,对于车载AI计算平台肯定会一直追随算力极限,行泊一体,舱驾一体,城市道路,非结构化道路都是挑战;另一个是中等算力平台基于三五十Tops算力,芯片算力效能复用,行车跟泊车本来就两个相对独立的场景,传感器复用,算力复用会成为下一步降本重点,中等算力能力被进一步挖掘

A深藏blue 点赞 2 评论 2

单目摄像头VS双目摄像头 -单目:很难提供深度信息也就是大小和距离,需要依靠其他外部数据输入,或者凭借近大远小的经验估算出来,并且特别依赖深度学习方案,大量的训练数据来学习怎么把二维图像转换为三维空间的映射,这意味着对非常规或者没有见过的障碍物容易漏检,依赖大量数据,时间成本长 -双目:与人眼一样,所有脊椎动物都是靠双眼来获取三维环境信息,立体世界,双目通过视角差获取三维深度,物体相对位置等纤细,在效率和可靠性上好 -双目摄像头的难度:安装位置,角度需要相当精确,但在车辆使用环境会出现震动,热障冷缩,抖动,精度会受影响,并且不好校准,小角度就能带来很大偏差;

A深藏blue 点赞 2 评论 2

蔚来NAD媒体沟通会 NADArch -全域全栈统一架构,高数据闭环效率(高速及快速路,服务区/停车区,城区全场景点到点基于统一框架实现,行泊一体化)有图无图都能开,融合动态重感知、增强数据地图、高精度地图。车端重感知(BEV+占用网络)+SD/SD+/HD 高速领航换电 -数据驱动换电路径(非结构行驶场景下的形式轨迹,车速学习,不同换电站换电排队区域学习); -进入匝道前确认需要换电→下匝道→非结构化空旷服务区通行(无连续道路标线,通用障碍物避让,会车应对,开放区域轨迹预测,开放轨迹预测,经验轨迹规划)→进出换电站→驶离服务区; 可自助下单,领航换电可在高速开启,需要点确认换电 -中控屏的专门的换电交互界面,路线会学习用户的行驶轨迹,自行寻找停车点,避让行人、动物等 行驶里程:蔚来的辅助驾驶里程已经 12 亿公里 ADMS:做了一个AD与DMS进行联动,监测用户眼球位置,结合AD场景,在一些风险场景提高预警的灵敏度;驾驶员分心时提早对静止物体进行增强预警;分心时FCW灵敏度提高,非风险场景降低灵敏度,前车起步结合驾驶员状态调整提醒时机 Banyan2.0.0:更拟人,施工场景应对开始进入量产,高精地图势性影响降低,远离护栏和缓行车流速度自动降低,施工紧急变道Bate发布 落地时间:PSP2023年Q3,城区NOP+23年H2

A深藏blue 点赞 6 评论 1
你已将对方拉黑,无法查看其主页内容
由于用户设置,你无法查看其主页内容

暂无相关内容

暂无相关内容

试试换一个关键词搜索吧
已加载全部~