自动驾驶

来源：人工智能AI技术 本文 约3400字 ，建议阅读 7 分钟 本文介绍我们被NeurIPS 2020会议录用的一篇文章。 本文主要介绍我们被NeurIPS 2020会议录用的一篇文章：Glance and Focus: a Dynamic Approach to Reducing Spatial Redundancy in Image Classification。 论文： https://arxiv.org/abs/2010.05300 代码和预训练模型已经在Github上面放出： https://github.com/blackfeather-wang/GFNet-Pytorch 这项工作提出了一个通用于 绝大多数CNN 的自适应推理框架，其效果比较明显，在同等精度的条件下， 将MobileNetV3的平均推理速度加快了30%，将ResNet/DenseNet加速了3倍以上，且在iPhone XS Max上的实际测速和理论结果高度吻合。 此外，它的计算开销可以简单地 动态在线调整，无需额外训练。 （太长不看版）下面一张图可以概括我们做的事情：将图像识别建模为序列决策过程，先将缩略图输入神经网络（Glance），再不断选择最关键的图像区域进行处理（Focus，利用强化学习实现），直至网络产生一个足够可信的预测结果时停止；对于简单和困难的样本分配不同的计算资源，以提升整体效率。

全文共计3644字，预计阅读时间8分钟 来源 | 国汽智联（转载请注明来源） 编辑 | 蒲蒲 11月11日，由北京市人民政府、工业和信息化部、公安部、交通运输部、中国科学技术协会共同主办的2020世界智能网联汽车大会召开。 大会现场，清华大学教授、国家智能网联汽车创新中心首席科学家李克强正式发布了《智能网联汽车技术路线图2.0》，对智能网联汽车的发展路线、愿景和战略目标进行详细介绍。《技术路线图2.0》中提到，到2035年，中国方案智能网联汽车技术和产业体系全面建成、产业生态健全完善，整车智能化水平显著提升，网联式高度自动驾驶网联汽车大规模应用。 《技术路线图2.0》是继新《能源汽车产业发展规划（2021-2035）》、《节能与新能源汽车技术路线图2.0》之后，又一份定调未来15年技术路线发展的顶层设计文件。 《技术路线图 2.0》系统梳理、更新、完善智能网联汽车的定义、技术架构和智能化网联化分级，分析了智能网联汽车的技术发展现状和未来演进趋势，对《智能网联汽车技术路线图 1.0》实现程度和实施效果进行了评估。在此基础上，研究了面向2035年的智能网联汽车技术发展的总体目标、愿景、里程碑与发展路径，提出创新发展需求，以期为我国汽车产业紧抓历史机遇、加速转型升级、支撑制造强国建设、制定中长期发展规划指明发展方向，提供决策参考。 在2016年发布的《智能网汽车技术路线图1.0

“站在风口上，猪都能飞起来”，小米雷军的“飞猪理论”话糙理不糙。 市场的潜力是无穷的，前浪后浪都能在这浩瀚的大海里扑腾，如果说开着游轮的大厂们可以看得远、抓的多，那架着小船的、游泳的中小企业们也总是能在缝流里也能捞得到。赚小钱也好、兜大钱也罢，想要日子红红火火，抓住场景目标市场是第一步。 2020年是数字化转型的关键年，疫情倒逼企业进一步数字化转型，逆风和回头浪为企业带来了巨大挑战，也为市场带来了新机遇。企业需要坚持摸着石头过河与顶层设计相结合，不失时机、蹄疾步稳应时而变，加快变革与突破，才能化挑战为机遇。 那么，2021年，场景目标市场在哪？ 直播场景。受疫情影响，直播服务需求呈爆发式增长，同时直播服务应用场景价值得到了凸显。2020年，越来越多的企业开始试水并直播，直播涵盖了教育、金融、汽车、医疗、IT互联网、传媒等诸多细化垂直行业。随着疫情的反复波动，各行企业直播应用渗透率将持续增长。 目前直播+电商已成为直播场景中的重要表现。近日，毕马威联合阿里研究院发布《迈向万亿市场的直播电商报告》， 数据显示，2019年直播电商整体市场规模高达4338亿元，同比增长210%，预计2020年直播电商整体规模将达10500亿元，一个过万亿级的新市场已形成。下一个直播+在…… 在线教育场景。2020年在线教育引来了大量资本投入，猿辅导融资金额高达十亿美元，作业帮融资7.5亿美元

Velodyne Lidar 专家参加关于激光雷达改善运输安全和提高效率的方式的小组讨论 加州圣何塞--(美国商业资讯)-- Velodyne Lidar, Inc. (Nasdaq: VLDR)今日宣布，该公司将与 美国智能交通协会(ITS America) 联合举办一场网络研讨会，探讨激光雷达技术如何在智慧城市应用中推动智能出行。Velodyne将携手ITS America，共同推动自动驾驶车辆和智慧城市解决方案发展，目标旨在挽救生命，改善交通出行，促进可持续性。 此新闻稿包含多媒体内容。完整新闻稿可在以下网址查阅： https://www.businesswire.com/news/home/20201106005084/en/ 此次名为 “基于激光雷达的方法改善行人安全”(A Lidar-Based Approach to Pedestrian Safety)免费网络研讨会，将于东部标准时间(EST) 2020年11月12日下午2:00举行。如欲注册，请访问 此处的网络研讨会网站 。 根据美国公路安全保险协会(Insurance Institute for Highway Safety)称，2009至2018年期间，行人死亡人数增加了53%。美国国家公路交通安全管理局(NHTSA)报告称，每年有超过6000名行人在交通事故中丧生。 为了解决这些问题

基于Xilinx Zynq Z7045 SoC的CNN的视觉识别应用 由 judyzhong 于 星期三, 08/16/2017 - 14:56 发表 作者：stark 近些年来随着科学技术的不断进步，人工智能（AI）正在逐步从尖端技术变得普及。人工智能的发展涉及物联网、大规模并行计算、大数据以及深度学习算法等领域，深度学习是人工智能进步最重要的因素，它也是当前人工智能最先进、应用最广泛的核心技术。作为人工智能技术理想的应用领域，自动驾驶以及智能交通系统受到了人们广泛的关注。很多汽车企业都加入自动驾驶汽车的研究，比如特斯拉的自动辅助驾驶系统、百度阿波罗计划等。 图1：自动驾驶汽车需要具备识别道路交通情况的能力 自动驾驶面临的首个问题就是如何识别道路上的行人、汽车等其他物体，因此需要开发可靠的视觉识别系统集成到汽车的车载系统中，卷积神经网络（Convolutional Neural Network，CNN）是目前图像识别技术中最炙手可热的算法模型，来自韩国的ATUS（Across The Universe，穿越苍穹）组织推出了基于CNN的汽车视觉识别系统，该公司专注于数字媒体和FPGA嵌入式平台技术的研究。 图2：ATUS基于CNN的视觉识别系统采用Zynq Z7045 SoC器件 该系统采用 Xilinx ZC706开发板卡 ，集成的是Zynq Z7045 SoC器件

来源：智能研究院 日前，“第四届全球未来出行大会（GFM2020）”在德清召开。本次大会旨在探讨未来的城市、未来的出行、未来的汽车如何为居民提供更加经济、便捷、安全、科技友好的新出行方式。 在论坛的演讲中，中国工程院院士、国家卫星定位系统工程中心主任刘经南就北斗+5G引领新基建进行了发言。 在刘经南院士看来， “北斗+5G”作为一种融合基础设施，可作为基础设施支撑着车联网的发展，并且在新基建中发挥重要的作用。 01 北斗+5G为何能引领新基建？ 北斗作为全球性、高精度的时空基准，它的高精度导航增强技术与5G无论是需求上、还是技术上都有天然通导一体的结合倾向，能够互相赋能、彼此增强。 北斗赋能5G，有感知、认知时空位置的功能，使所有信息能从生成开始，就能够给它进行时空位置定位，使得它在网络上的活动或者在网络上什么地方驻留、待多久的时空轨迹都能知道。 5G赋能北斗，因为5G高速度、大容量的稳定传输北斗地基增强时空位置修正信号，使得北斗的时空精度更高。 这就是新型基础设施的融合特征，这一融合使得“5G+北斗”，不仅是信息时代、数字时代的信息基础设施，也是未来智能时代重要的时空信息基础设施。 当前我国正在推进的“新基建”战略，注重七大领域的高科技产业基础设施的数字化、智能化建设，而基于“北斗+5G”的精准时空技术与通信技术的融合及应用，将是这些领域基础设施信息化

导语 大家好，我是 智能仓储物流技术研习社 的社长， 老K 。相信大家都看过关于无人快递配送车的相关新闻，京东也搞了好几年了，现在究竟发展的咋样了，今天一起来看看他们的情况。 对话京东自动驾驶操盘手，解密京东的无人配送密码。 2017年2月10日下午，京东集团的开年大会在北京如期召开。 年会现场，时任京东掌门人的刘强东一个人站在舞台上，手里拿着无线话筒，对台下坐着的各位同事们表态。 他说，未来12年，京东只有三件事：技术！技术！技术！ 2020年，承载了京东集团一部分技术愿景的京东无人配送车被送到武汉，为武汉新冠定点医院之一的武汉第九医院配送医疗物资。投身抗疫前线的京东无人配送车，也再一次进入到了人们的视野。 彼时，已经有媒体报道，称京东无人配送车在武汉部署及运营过程中皆没有技术人员到场，整个部署流程完全由北京团队通过远程操作实现。 那么，京东远程部署无人配送车的过程是怎样的？远程部署的背后有怎样的技术支撑？另外，从2016年起步算起，到现在京东无人配送车在技术、车队数量和部署范围等关键方面又有哪些进展？ 5月26日，带着这些问题，车东西走进了位于北京大兴区的京东集团总部大楼，对京东物流自动驾驶首席科学家孔旗进行了独家专访，并在对话过程中得到了答案。 ▲京东物流自动驾驶首席科学家孔旗 在武汉部署首辆无人车只用了4天 2020年1月23日上午10点起，武汉市开始采取封城措施。

自动驾驶开发流程 实现一个智能驾驶系统，会有几个层级： 感知层 → 融合层 → 规划层 → 控制层 更具体一点为： 传感器层 → 驱动层 → 信息融合层 → 决策规划层 → 底层控制层 各个层级之间都需要编写代码，去实现信息的转化。 最基本的层级有以下几类： 采集及预处理、坐标转换、信息融合 采集 传感器跟我们的PC或者嵌入式模块通信时，会有不同的传输方式。 比如我们采集来自摄像机的图像信息，有的是通过千兆网卡实现的通信，也有的是直接通过视频线进行通信的。再比如某些毫米波雷达是通过CAN总线给下游发送信息的，因此我们必须编写解析CAN信息的代码。 不同的传输介质，需要使用不同的协议去解析这些信息，这就是上文提到的 “驱动层” 。 通俗地讲就是把传感器采集到的信息全部拿到，并且编码成团队可以使用的数据。 预处理 传感器的信息拿到后会发现不是所有信息都是有用的。 传感器层将数据以一帧一帧、固定频率发送给下游，但下游是无法拿每一帧的数据去进行决策或者融合的。为什么？ 因为传感器的状态不是100%有效的，如果仅根据某一帧的信号去判定前方是否有障碍物（有可能是传感器误检了），对下游决策来说是极不负责任的。因此上游需要对信息做预处理，以保证车辆前方的障碍物在时间维度上是一直存在的，而不是一闪而过。 这里就会使用到智能驾驶领域经常使用到的一个算法——卡尔曼滤波。 坐标转换

作者 | 中国软件网 墨马 校对 | 中国软件网 赵满满 物理学上有四大神兽。 拉普拉斯兽、薛定谔的猫、芝诺的乌龟和麦克斯韦妖,分别对应着经典力学、量子力学、微积分和热力学第2定律。 国内5G行业的应用场景也有四大神兽。 远程教育、远程医疗、车路协同和智慧工厂。 物理学上，拉普拉斯兽能推演万物；薛定谔的猫能超越生死；芝诺的乌龟能缩地成寸；麦克斯韦妖能操控世界。 5G行业，远程教育能给未来教育巨大想象空间；远程医疗能保证全息影像信息的大数据传输；车路协同能提升智能交通效率和安全；智慧工厂则是未来制造业创新发展的主战场，能给传统工厂带来新一轮产业革命。 国内5G行业应用场景的四大神兽，会给企图进化成“神”的人类，带来什么？ 01 远程教育vs 拉普拉斯兽 19世纪初，整个物理界晴空万里。 牛顿带来万物光明，匍匐在老爵爷门下的拉普拉斯宣称，当下的客观世界是过去的果和未来的因。 这就是大名鼎鼎的“谛听神兽”拉普拉斯兽，能明察大道，善推演万物。 它神通广大，无所不知，只要动动手指和眼睛，记录下某一刻宇宙中每个原子确切的位置和动量，就能用牛顿简洁公式，瞬间算出宇宙的过去与未来。 同样，远程教育的出现，也印证了互联网的神通广大，给未来教育巨大想象空间。 疫情期间的“停课不停学”，把远程教育推到了风口浪尖，也让教育信息化迈上了一个新台阶。经过疫情洗礼后的远程教育，已经搭上了“新基建”的东风

在自动驾驶中，有时在测试过程中无法对运行过程中的各个环节进行判断，这时则需要使用ros中的录包功能对运行中各个topic进行录制，如果向一股脑的将所有topic进行录制只需要运用一下命令对其录制。 rosbag record -a rosbag record有很多具体的命令，这里不做详细记录，有兴趣的可以自行百度，在获得录制后的bag后如何对其录制的数据进行解析或者保存呢？这里有两种方法： 一：使用命令 rosbag paly 对数据包进行回放，然后通过自己手写订阅某个topic的程序或者ros中已有的工具对bag包中的数据进行解析或者获取数据后保存。 这种方法往往有一个缺点就是不能将bag包中所有的数据全部进行进行解析或者保存。所以通常不用，这里重点介绍下第二种方法。 二、通过创建view类将数据逐帧读取出来，然后按照topic对对应的数据进行处理或者保存。代码模板如下： # include <rosbag/bag.h> # include <rosbag/view.h> // 此处为include相关消息类的头文件，如果有自定义的头文件，请将其包含在内 # include <std_msgs/Int32.h> # include <std_msgs/String.h> # include <sensor_msgs/PointCloud2.h> // # include <ros