自动驾驶

介绍 我们在前面介绍过Edge2AI自动驾驶汽车的解决方案，参见《 Edge2AI 自动驾驶 汽车： 在小型智能汽车上收集数据并准备数据管道》，《Edge2AI 自动驾驶 汽车： 构建Edge到AI数据管道》，《 Edge2AI 自动驾驶 汽车： 训练模型并将其部署到边缘 》 。在这里我们从实操教程的角度来看如何一步一步的构建Edge2AI自动驾驶汽车的应用，这个教程也是分成了三个部分，今天的内容是总体介绍这个教程。 自动驾驶汽车是Cloudera自动驾驶汽车的开源版本。这款无人驾驶微型汽车由3个摄像头，LiDAR和游戏控制器提供动力，并连接到Jetson TX2板上。TX2运行机器人操作系统（ROS）并控制汽车的运动。最终，如果我们有多辆汽车，我们可以在汽车上训练模型，然后将该模型发送给CDSW并执行联合学习。在本教程中，我们将汽车数据发送到云中的Hadoop HDFS。我们使用CDSW运行Keras训练模型，然后将模型保存到HDFS。该模型经过训练，可以从跑道上克隆人的驾驶行为，以基于中心摄像头框架预测转向角，该摄像头框架使用ROS控制汽车。最后，将模型重新部署到汽车中，以说明Edge To AI的生命周期。 学习目标 • 将MiNiFi C ++代理安装到Jetson TX2上 • 了解TX2的汽车传感器数据 • 构建用于Emi数据管道的ETL数据管道，以用于CEM •

本文将介绍自动驾驶汽车感知系统中的重要方法，包括定位器（或定位）、离线障碍物地图测绘、道路地图测绘、移动障碍物跟踪、交通信号检测与识别。 1.定位 定位模块负责估计自动驾驶汽车相对于地图或道路的姿态（位置和方向）。大多数通用的定位子系统都基于GPS。但是，总的来说这些系统不能用于城市中的自动驾驶汽车，因为在有遮挡的区域不能确保有 GPS 信号，比如树下、城市峡谷（大型建筑之间的区域）、隧道。 文献中已经提出了多种不依赖 GPS 的定位方法。它们主要可分为三类： 基于 LIDAR 的方法、基于摄像头的方法、基于 LIDAR 与摄像头的方法 。基于 LIDAR 的定位方法仅依靠 LIDAR 传感器，这种方法测量准确且易于处理，但成本较高；基于摄像头的定位方法很便宜廉价，但通常没那么精确可靠；在典型的基于 LIDAR 与摄像头的定位方法中，LIDAR 数据仅被用于构建地图，估计自动驾驶汽车相对于地图的位置则会使用相机数据，这能够降低成本。 1) 基于 LIDAR 的定位 光学雷达（Light Detection and Ranging，LiDAR）是一种光学遥感技术。首先它通过向目标物体发射一束激光，然后根据 接收-反射 的时间间隔确定目标物体的实际距离；再根据距离及激光发射的角度，通过几何变化推导出物体的位置信息。 LiDAR系统一般分成激光发射器，扫描与光学部件和感光部件。其中

点击上方 “ 小白学视觉 ”，选择加" 星标 "或“ 置顶 ” 重磅干货，第一时间送达 这篇文章是激光雷达点云数据分割算法的嵌入式平台上的部署实现。主要的创新点有两点：一是利用多路分支采用不同分辨率输入后再用不同的卷积块进行处理，达到性能和计算量之间的平衡；二是对基于投影的点云分割方法进行了改进。在嵌入式平台上性能不错，代码将在文章被收录后开源，值得关注。 论文地址 ：http://xxx.itp.ac.cn/pdf/2008.09162v1 LiDAR数据的实时语义分割对于自动驾驶车辆至关重要，然而自动驾驶车辆通常配备嵌入式平台并且计算资源有限，这使得点云分割算法的部署具有挑战性。通常的点云分割算法直接在点云上使用复杂的空间聚合操作，这些操作非常昂贵且难以针对嵌入式平台进行优化。因此，它们不适用于带有嵌入式系统的实时场景下应用。作为替代， 基于投影的方法更有效并且可以在嵌入式平台上运行。但是，当前基于投影的最新方法无法实现与基于点的方法相同的精度，并且需要使用数百万个参数。 因此，在本文中， 提出了一种基于投影的方法，称为Multi-scale Interaction Network（MINet） ，该方法有效且准确，具体而言网络使用具有不同尺度的多个通路，并且在不同尺度之间对计算资源进行平衡，同时不同尺度之间的额外密集交互可避免冗余计算，并使网络高效。所提出的网络在准确性

点击上方“ 3D视觉工坊 ”，选择“星标” 干货第一时间送达 公司介绍： 青岛旭升视觉有限公司是一家专注于机器人 3D视觉引导与工业3D测量领域 的高新技术企业，独立发展且拥有自主知识保护的先进三维物体感测技术，是国内机器人 3D视觉技术最早投入实际生产的公司之一。 职位信息: 部门： 研发技术部 岗位名称： 高级软件工程师 薪水： 面议 工作地点： 山东 青岛 工作职责： 负责搭建 3D视觉软件平台，按照相应的视觉需求文档进行软件产品的研发，产品的编码和测试工作，开发过程中相关设计文档的编写，协助其他3D产品的研发。 职位要求： 1.计算机/软件/通讯/自控等相关专业，本科及以上学历；（可接受应届毕业生和实习生） 2.熟练掌握C#语言，熟悉WPF/Winform等MS框架，熟练掌握多线程等编程技术，熟练掌握VS等编程工具； 3.有计算机图形学基础，能独立完成三维显示及UI交互功能； 4.熟悉常见网口/串口等通讯方式，熟悉Modbus，OPC等工业常用通讯协议者优先；接触和熟悉机器视觉者优先。 5.较好的学习能力，能快速学习掌握工控软件编程的相关技术； 6.较好的问题处理能力及抗压能力，遇到问题能自主寻求办法解决。 岗位名称： 3D视觉算法工程师 薪水： 面议 工作地点： 山东 青岛 工作职责： 参与公司 3D视觉算法的调研、研发、优化，将3D识别、定位、引导

这里记录每周值得分享的科技内容，周五发布。 本杂志开源（GitHub: ruanyf/weekly ），欢迎提交 issue，投稿或推荐科技内容。 周刊讨论区的帖子 《谁在招人？》 ，提供大量程序员就业信息，欢迎访问或发布工作/实习岗位。 封面图 11月1日，2020中国科幻大会在北京举行，会场外有占地面积近1000平方米的科幻艺术展区。（via： Instagram ） 本周话题：贵州变瑞士，有没有可能？ 上个月，我第一次去贵州，玩了一周。这次旅行让我想起一篇大学里读过的文章。 浙江大学的一位老师访问瑞士后，发现瑞士的地理条件与贵州省很像：平地很少，全境都是高山，没有出海口，不合适发展工业和农业。但是， 瑞士属于世界最富的国家，贵州却是中国最穷的省份之一，以前号称"天无三日晴，地无三里平，人无三两银"。这是为什么？ 他认为，原因是瑞士有合适的产业。它最强的精密制造业（比如钟表和制药）和高端服务业（比如银行、旅游、会展），都不要求大块的土地，但是附加值高，很赚钱。贵州没有这些产业，也不具备发展它们的条件，所以才会贫穷。 我来了贵州，亲眼看了以后，觉得情况发生了很大变化。贵州比想象的好得多，过去限制发展的最大瓶颈，已经没了，具备了经济起飞的条件，前景很看好。 （图片说明：铜仁市三江公园） 首先，交通已经变得比较方便了。主要城市之间都有高铁和高速公路直达，一路上都是高架和隧道

来源｜深燃 作者｜周继凤 编辑 ｜ 金玙璠 停不下来的滴滴，带来了新故事。 故事的一头，依旧是一站式移动出行，另一头则是本地生活服务。 3月份，滴滴低调上线“花小猪”，通过低价社交拉新的方式打入下沉市场；6月27日，首次面向公众开放自动驾驶服务；9月份，宣布旗下出租车业务升级为“快的新出租”，并投入1亿元补贴预算，此外，还陆续在两轮车、跑腿、货运等领域出击。 但最近令市场瞩目的新动作是， 11月16日，滴滴带着比亚迪代工的首款定制网约车D1，正式杀入了新能源汽车领域。 定制网约车，给移动出行这盘棋增添了更多的价值维度。 滴滴和比亚迪的联手，给汽车上下游产业链的生产模式带来了新的可能。而滴滴提出，到2025年，定制网约车新的迭代版本将搭载滴滴自研的无人驾驶模块。 本地生活服务的抓手，也渐渐浮出了水面，稳住出行底盘的滴滴选择加入这场陌生领域的突围战。 6月15日，没有电商背景的滴滴上线了橙心优选小程序，挤进了社区团购赛道。但滴滴并非没有想象空间，一位滴滴负责人表示， 很多人认为拼多多用户一定是多多买菜的用户，美团买菜的用户一定是美团优选的用户，但其实吃穿住行与生活服务的用户群体相同，滴滴出行是服务类平台，加上两轮车月活用户超过4亿，这些都是潜在用户。 一边“造”车，一边“卖菜”的滴滴，步子似乎迈得有点大，但也给足了市场想象空间。 01 滴滴”造车“，蓄谋已久 滴滴与比亚迪

数字化进程的加快， 在很大程度源自中国数字新基建的潮流涌动，特别是在5G、工业互联网、物联网、大数据、AI自动驾驶、边缘计算等多个创新领域，备受大家器重的情况下，更进一步加速了数字新基建的发展步伐。 百行百业数字化自然也不是一蹴而就，顺应数字新基建，应对企业创新挑战方面就如珠峰的攀登者一样，需要应对沿途的各种风险。 那么，后疫情时代，数字新基建的带动下，作为数字化攀登者的各个企业，如何以数据为基础，为自身的发展实现全线护航呢？ 01 以第五代存储为整体框架 构建数据护航的强大编队 作为应对企业创新挑战的最新组合，戴尔易安信第五代存储不仅满足企业用户的多云架构需求，同时支持人工智能、物联网、5G等新兴创新技术，以足够的有效容量来承载企业级复杂应用，并在性能、可靠性、可用性之间实现了业界十分看好的平衡。 戴尔科技集团大中华区售前系统工程部总经理 杨捷 就此，戴尔科技集团大中华区售前系统工程部总经理杨捷表示，以数据为核心，第五代存储全栈应对5G、工业互联网、物联网、AI自动驾驶、边缘计算等创新应用带来的挑战，以敏捷高速、有效容量、无缝接云、数据护航和AI赋能五大优势，覆盖数字新基建下的企业用户全新发展需求。 与此同时，第五代存储的五大优势之间也是相互关联，相互促进。特别是针对企业用户对数据价值越来越重视的当下，数据保护早已成为了大家的刚需

他是“图灵奖”创立以来首位获奖的亚裔学者，也是迄今为止获此殊荣的唯一华裔计算机科学家。2004年从普林斯顿辞去终身教职回到清华任教。2005年，他为清华本科生创立了计算机科学实验班“姚班”。如今，在中国乃至全球计算机的科学领域都已经独树一帜。他就是姚期智。 2019年姚期智没有止步，选择了重新再出发。他为清华的本科生创立了人工智能学堂班。2004到2019年已经15年过去了，15年来姚期智经历了怎样的心路历程？从“姚班”到“智班”，中国顶尖计算机培养的布局是如何展开？今天下午4点，清华大学交叉信息研究院院长、人工智能学堂班首席教授姚期智作客人民日报“大咖有话”直播节目，现场解答人工智能的中国答案！ 点击文末“阅读原文”，可以回看直播 “ 主持人：我的脑海中有关您的画面，其实是比较统一的风格，都是您跟学生在一起，您站在硕大的黑板前面，您的笑脸、学生们的笑脸、大家开心的样子。您和学生在一起的时候是非常享受的，不知道我的猜测对不对？ 姚期智：您说的一点没错，这是非常自然的事情。因为我一直在学术界工作，作为一个科学家，最重要的是能够保持年轻人的心境，能够像年轻的时候那样的好奇、对知识渴望。和学生在一起是每一个科学家的梦想，因为我们希望自己还有所有的科学家都能够向这些年轻的学生一样，永远有无止境的好奇心。 ” “ 主持人：我也采访过您的一些学生，学生们说起您的时候总是特别地感恩

文章经授权转载自中国电子信息产业发展研究院 8月30日，世界人工智能大会上， 赛迪顾问孙会峰 发布了 《中国AI芯片产业发展白皮书》。 报告从AI芯片的 发展过程，市场规模、投资前景，竞争格局以及未来趋势 等多角度全面剖析AI芯片的发展新态势、技术演进及行业格局。 01 AI芯片概述 广义上讲，面向人工智能应用的芯片都可以称为AI芯片。 1956年夏，麦卡锡、明斯基等科学家首次提出“人工智能”这一概念，后来60余年，AI芯片经历了四次大变化。 ▼ 不同技术架构AI芯片类型比较。 ▼ 02 AI芯片产业发展现状 2018年中国AI芯片市场依然保持增长，整体市场规模达到 80.8亿元， 同比 增长50.2%。 ▼ 赛迪分析：受宏观政策环境、技术进步与升级、人工智能应用普及等众多利好因素的影响，中国AI芯片市场进一步发展与成熟。 2018年中国AI芯片市场规模依然以 云端训练芯片 为主，销售额为 41.5亿元， 市场份额 达到51.3%。 ▼ 赛迪分析： 在地方政府加快推进公有云、私有云、数据中心等建设的拉动下，未来本地化运算将是人工智能发展的趋势之一。 区域结构上看， 华北、华东和中南地区 是中国AI芯片市场发展最为领先的区域，市场份额分别达到 20.8%、30.6%和29.3% ▼ 赛迪分析： 在市场增速方面，随着大数据中心在西部地区加快投入建设，西南

地处长江入海口，位置得天独厚的上海，多年以来一直以“东方明珠”闻名于世。 然而近年来随着人工智能产业的快速发展，上海这颗东方明珠也开始成为众多AI企业的兵家必争之地。 AI群雄逐鹿的东方明珠 在互联网时代，以BAT（百度、阿里巴巴、腾讯）三巨头为代表的互联网企业飞速崛起，北京、杭州、深圳等城市也充分享受到了互联网大潮带来的种种红利。 然而由于种种原因，上海错失了互联网崛起的发展机遇。因此当人工智能大潮开始席卷全球，十九大报告也提出加快人工智能与实体经济的深度融合，上海便开始为推动人工智能产业发展而倾尽全力。 2017年11月14日，上海推动新一代人工智能发展实施意见正式出台，提出全面实施“智能上海（AI@SH）”行动，计划到2020年，实现上海成为国家人工智能发展高地的总体目标。 在上海相关政策的扶持和培育下，再加上本地发达的资本市场、雄厚的工商业基础、良好的企业孵化环境、丰富的高校和人才资源，短短数年间，一大批AI创业公司开始像雨后春笋般在上海崛起。语音语义识别、智能制造、智能机器人、自动驾驶、脑科学与类脑智能、风控安全、智能网联汽车……覆盖各种行业领域和应用场景的AI企业如今已在上海遍地开花。 2018年9月，首届WAIC世界人工智能大会在上海盛大召开，这也凸显了上海在中国人工智能领域的重要地位。 近日，2019世界人工智能大会在上海落下帷幕。在大会闭幕式上，上海市委副书记