科普类（双目视觉）——快速索引

最新推荐文章于 2026-01-02 17:59:11 发布
原创 最新推荐文章于 2026-01-02 17:59:11 发布 · 375 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#自动驾驶

本文系列科普了双目视觉在无人驾驶中的关键应用，包括SLAM技术、挑战、安装位置选择、基线设计对性能的影响，以及百度Apollo所采用的硬件和立体视觉工具。

科普类（双目视觉）——快速索引

科普类——双目视觉在无人驾驶汽车中的应用（一）
科普类——双目视觉SLAM在无人驾驶汽车中的作用（二）
科普类——双目视觉在自动驾驶中存在的问题、挑战以及解决方案（三）
科普类—— 双目视觉系统在无人驾驶汽车中的安装位置（四）
科普类——基线的设计对于系统的性能的直接影响（五）
科普类——百度Apollo使用的双目系统的硬件型号（六）
科普类——进行基线设计、系统测试和优化的立体视觉软件与工具（七）

cv算法工程师学习成长路线
专注计算机视觉算法训练，算法优化部署以及SDK开发的知识分享。
11-15 4830
本文内容为 cv 算法工程师成长之路上的经典学习教材汇总，对于一些新兴领域则给出了较好的博客文章链接。本文列出的知识点目录是成系统且由浅至深的，可作为 cv 算法工程师的常备学习路线资料。部分学习资料存在离线 PDF 电子版，其可在 github仓库-cv_books 中下载。
科普类（遥操作）——快速索引
曾经也曾立志
01-31 283
科普类——遥操作（一） 科普类——遥操作中的延时问题（二） 科普类——遥操作中优化通信技术措施（三） 科普类—— 大疆无人机（DJI）在解决图像传输延时问题策略（四） 科普类——遥操作领域中比较活跃的部分中国企业（五） 科普类——百度Apollo无人驾驶汽车使用的传感器配置（六） 科普类——无压缩图像传输带宽的计算（七） 科普类——ORB-SLAM2与ORB-SLAM3的整体架构以及异同点（八） 科普类——遥操作在无人驾驶中发挥的作用（九） 科普类——遥操作在矿区中的应用以及提供该服务的部分国内外厂商（十）
IBC 2019 五篇文章阅读笔记
BigYouYou
10-02 1338
本文是阅读 IBC 2019上面五篇文章的阅读笔记。 一、Comparative Analysis of Real-time Multi-view Reconstruction of a Sign Language Interpreter 手语翻译员的多视角重构的对比分析 1. 背景动机 聋人社区对手语播报的需求非常迫切，HbbTV 2.0的启动也促使众多广播公司通过手持设备为聋人社区提供更多易获...
这篇是最强天线科普文 - 射频——我们的生活方式 - RF技术社区.pdf
08-30
天线技术零基础入门 从物理的电磁感应原理到实现以及应用
运动仿真技术与参数化设计应用于科普展品的研发——以多足机器人为例.pdf
08-13
标题“运动仿真技术与参数化设计应用于科普展品的研发——以多足机器人为例”中蕴含着多方面的知识点，包含了运动仿真技术、参数化设计、科普展品研发、多足机器人的设计与仿真等。 首先，运动仿真技术是指在计算机...
基于用户需求的国内植物类科普App影响力分析——以花伴侣App为例.pdf
08-26
基于用户需求的国内植物类科普App影响力分析——以花伴侣App为例.pdf
儿童科普教育App——以“长江生态圈”为例.pdf
08-26
【标题】: "儿童科普教育App——以‘长江生态圈’为例" 【描述】: 本文主要探讨了儿童科普教育App的发展及其设计，以"长江生态圈"App为例，展示了如何将移动互联网技术应用于儿童教育，特别是在环保意识培养方面的...
《自动驾驶与机器人中的slam技术:从理论到实践》笔记——ch7（4）
qq_74174950的博客
12-30 740
主要是通过激光雷达获取环境三维点云（也可以选择IMU、轮速计来进行辅助传感），软件核心模块是前端点云配准帧间匹配、实现相邻点云的对齐（可以先找到最近邻（暴力最近邻、栅格和体素法、二分树与k-d树、四叉树和八叉树），之后进行拟合（直线拟合、平面拟合））进行基础点云处理，处理完之后进行点云匹配（使用点到点ICP、点到线ICP、似然场法的匹配方法），之后利用栅格地图的方法建立子地图，可使用关键帧或者是体素的方法将子地图拼接构建成局部地图，并使用回环检测来进行地图优化。去畸变是去当前帧激光点云的畸变。
特斯拉自动驾驶技术的“具身认知”特征分析
weixin_41939376的博客
12-29 925
特斯拉的技术用“视觉+端到端网络”把道路世界压缩成一个高频、低时延的感知-行动闭环；再用大规模车队数据 + OTA 更新让这套闭环持续“学习长大”；而在现实运行中，这个闭环仍然把驾驶员监督当作关键组成部分。Tesla一、从工程实践维度：特斯拉如何实现“具身认知”1.1 具身认知特征 A：把认知做成“高频闭环”，而不是“模块拼装”从 v13 的更新说明看，特斯拉强调“升级端到端驾驶网络”，包括36Hz、全分辨率 AI4 视频输入、以及photon-to-control 延迟减半。
2025：把“大模型”写进“数据闭环”——从自动驾驶到具身机器人，我如何用数据与算法做可落地的智能系统
数据与算法架构提升之路专栏
12-29 1402
2025年AI领域最显著的变化是从单一模型向可持续迭代的闭环系统转变。本文系统梳理了"数据→模型→行动→数据"的完整闭环链路，重点分析了四大关键层：数据底座（可追溯/可增量/可观测）、模型侧（本地推理可靠性）、自动驾驶（数据再生产）、具身智能（VLA可训练性）。作者通过实践总结出可落地的工程准则，包括数据湖布局策略、量化部署模板、Occupancy自动标注方案等，并将读者互动转化为闭环系统的需求输入端。文章强调真正的智能价值在于系统化的稳定生产能力，而非孤立模型效果。
自动驾驶中间件iceoryx - 介绍
yuanmenghao
12-27 686
本文介绍了高性能中间件iceoryx的设计理念与技术特点。现代嵌入式系统面临数据规模增长、多进程架构和实时性要求等挑战，传统IPC方案存在性能瓶颈。iceoryx采用零拷贝共享内存机制，通过预分配内存池、无锁并发和相对指针等技术实现微秒级延迟和确定性传输。其核心组件包括RouDi守护进程、MePoo内存池和发布订阅API，采用控制/数据/通知三平面架构确保性能隔离。相比DDS、ROS等方案，iceoryx专注于本机进程间通信，具有轻量级、硬实时等特点，适合自动驾驶、工业控制等场景。该项目由Eclipse基金
《自动驾驶与机器人中的slam技术:从理论到实践》笔记——ch7（3）
qq_74174950的博客
12-29 727
的激光雷达里程计，这种称为特征法激光雷达里程计，方法为先对点云提取一些简单的特征，之后对特征点进行配准，同时也要根据特征点本身的不同性质，采取不同的配准方法，使之更加精准。一定限度地提取特征，有助于进一步优化配准结果，然而，这种基于线束的方法实际上利用了很多先验信息，如点云由若干条扫描线组成，激光雷达是水平放置的，等等。基于线束的特征提取需要知道点云本身的线束信息（可以从驱动程序中获取，也可以根据每个点的坐标计算该点的俯仰角度，然后通过雷达自身每条线的俯仰角度信息，推断该点属于哪个线束）。
# 2011 IEEE T-BME 经典 | 给透析机装上“自动驾驶”：如何利用控制算法预防透析低血压？
最新发布
alfred_torres的博客
01-02 537
这是一篇关于血液透析自动化控制的经典工程学论文。针对透析过程中患者容易出现低血压（Hypotension）这一临床痛点，作者提出了一套基于模型预测控制 (MPC)的闭环反馈系统。该系统不仅监测血容量，还同时监测心率和血压，通过自动调节超滤率 (UFR)和透析液钠浓度 (DSC)，像“自动驾驶”一样，让患者在透析过程中的各项生理指标保持在安全范围内，从而减少透析并发症。主要贡献引入心率 (HR)：证明了将心率纳入反馈回路对于维持透析稳定性至关重要。双管齐下。
【YOLO数据集】自动驾驶
AI
12-29 718
自动驾驶技术的普及对环境感知系统的实时性与准确性提出了严苛要求，目标检测作为感知层核心任务，直接决定了自动驾驶车辆对行人、车辆、交通标志等道路元素的识别能力与行驶安全性。然而，真实道路环境中的透视畸变、光照变化、目标遮挡等复杂因素，以及车载计算平台的资源限制，仍导致现有 YOLO 算法在小目标检测精度、模型轻量化与实时性能的平衡上存在瓶颈，因此围绕 YOLO 算法优化以提升其在自动驾驶场景下的鲁棒性与适配性，具有重要的研究价值与应用意义。（注意：不同版本的yolo在不同tag）1、安装miniconda。
自动驾驶中的传感器技术88——Sensor Fusion（11）
Godspeed_zwh的博客
12-28 461
本文探讨了自动驾驶中端到端模型与传统规则模型的对比，分析了感知端到端、模块化端到端等不同架构的特点。重点研究了多传感器数据融合技术，包括目标级融合、前融合、原始数据级融合等框架，以及GNSS/IMU/RTK组合定位系统在无人驾驶高精度定位中的应用。通过多个技术框架图展示了自动驾驶系统中端到端学习与多源传感器融合的关键作用。
【Autonomous Driving/Sim】2026年度自动驾驶极端场景与车辆动力学仿真基准索引 (Benchmark Index)
2501_91053407的博客
01-01 1055
及**极端物理边界（Extreme Physics）**下的控制能力，我们整理了 "Fast-Furious-Benchmark" 全系列基准测试集。适合测试物理引擎在处理**极大质量差异（Mass Ratio）**物体碰撞时的数值稳定性与穿透检测（CCD）。扭矩映射（Torque Mapping）**以及NOS喷射时的瞬时加速度计算，是校准物理引擎摩擦系数的基准。与**脑机接口（BCI）**在高速机动战中的响应延迟与运动预测。：《速度与激情2》 (2 Fast 2 Furious)
自动驾驶的“脏活”：手撕激光雷达运动畸变与鬼影（附 Python/C++ 核心实现）
数据与算法架构提升之路专栏
12-29 963
摘要：本文探讨自动驾驶领域激光雷达点云预处理的关键技术挑战。针对运动畸变问题，提出基于IMU数据的高效运动补偿方案，采用SLERP插值和SIMD指令集优化计算性能。同时分析多路径反射导致的鬼影现象，给出强度筛选、几何一致性和时序跟踪的三重过滤策略。文章强调在端到端大模型时代，传统预处理技术对数据质量保障的核心价值，并分享C++/Python工程实践中的性能优化技巧，为自动驾驶感知系统提供可靠的数据基础。
自动驾驶_端到端_VLA_概念介绍
惊鸿一博
12-29 1222
MLLM 是 LLM 的自然扩展，通过模态编码器与跨模态对齐机制，将非文本数据（如图像、语音）转化为与文本兼容的语义表征，在统一空间中融合信息，让模型具备 “看、听、说、想” 的综合智能，更贴合人类多感官认知习惯。世界模型并非复刻真实世界，而是对环境的抽象化、结构化内部表征，聚焦实体、因果、物理规则与动态变化，核心实现 “感知→建模→预测→行动” 的闭环，帮助 AI 在潜在空间做 “虚拟实验”，评估动作后果并优化策略。query = 你给秘书的 “任务指令”（比如 “帮我找今天的会议资料”）；
自动驾驶中间件iceoryx - 架构设计（二）
yuanmenghao
01-01 624
本章深入解析iceoryx架构设计，重点包括： 核心组件： RouDi作为中枢，负责资源管理与协调，采用多线程模型（主线程+IPC处理线程+监控线程） PoshRuntime提供应用接口 Publisher/Subscriber实现数据收发 通信机制： 服务三元组（ServiceDescription）定义通信端点 端口机制实现灵活的匹配规则和多对多关系 状态机管理端口生命周期 系统运行： 详细的生命周期流程（启动、运行、退出） 优化的线程模型与无锁数据结构 可配置的内存池和队列参数
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值