自动驾驶 感知融合

whitepaper-未来网络白皮书——数据中心自动驾驶网络技术白皮书.pdf

安全愿景2.0.pdf 车联网网络安全白皮书.pdf 从实验室到街道：解决加速自动车辆测试的挑战.pdf 评估风险：识别和分析自动驾驶汽车的网络安全威胁.pdf 人工智能标准化白皮书.pdf 智能网联汽车信息安全白皮书.pdf 中国人工智能系列白皮书-智能驾驶 .pdf 自动驾驶汽车：下一代革命.pdf CCMTA_加拿大自动驾驶白皮书.pdf

福特安全报告.pdf 通用安全报告.pdf Nuros安全报告.pdf waymo安全报告.pdf

深眼 该研究项目介绍了一种称为DeepEye的高级驾驶员辅助系统（ADAS）的新框架。 DeepEye是一种基于计算机视觉的副驾驶员系统，由深层卷积神经网络提供支持，以执行实时场景识别。 系统使用Tensorflow对驱动程序周围的相关对象进行分类。 它还使用Open Computer Vision库中的一组图像处理功能来估计汽车是否在车道上。 然后，它会通过自定义设计的仪表板（警告界面）向驾驶员警告是否有物体或情况对潜在威胁。 根据我们的测试结果，我们相信我们的系统对于配备ADAS传感系统的汽车将是一个有用的备用解决方案，尤其是在没有传感器馈源的情况下。 我们通过在Titan XP GPU上运行一小时的驱动视频来评估系统性能。 我们得出的结论是，该系统在各种天气条件，一天中的时间和地理空间位置上的准确度高达92％ 。 这包括雷暴雨，拥挤的地区，隧道和高速公路，这些都是基于从行车记录仪提要

KAIST区域的点云地图，使用SC-LEGO-LOAM方法构建，详情见博客：https://blog.csdn.net/AdamShan/article/details/106589633

VSLAM 学习全部理论课程，从技术知识介绍，逐步提高，到完整的部署实施，是入门到提高的理想资料。打开方法：pdf->7z

20210621-华创证券-电子行业深度研究报告：消费电子光学创新与汽车电子自动驾驶共振，光学行业打开新巨量市场.pdf

在目前智能汽车的数据采集（激光雷达数据和视觉数据）的过程中，我们通常在ROS系统中完成数据的记录。因此，我们直接得到的数据是以.bag文件格式保存的。但是，大多数现有感知网络框架的数据格式与 KITTI 数据集的数据格式一致。在 KITTI 数据集中，图像文件保存为 .png 格式，PointCloud 文件保存为 .bin 文件。所以我们需要完成从.bag 文件到.png 和.bin 文件的转换

从 http://www.cvlibs.net/datasets/kitti/raw_data.php 上搬运了一小部分kitti原始数据。 压缩文件中包含 [unsynced+unrectified data] [synced+rectified data] [calibration] [tracklets] 这个4部分的数据。