自動駕駛感知技術
關注創建者：汽車汽車汽車 創建時間：2021-08-12
自動駕駛感知技術的視頻教程
仿真技術之自動駕駛感知視界-ANSYS傳感器仿真（攝像頭和激光雷達）
如何在預算有限的條件下，更好地滿足安全性要求，突破技術障礙，對安全分析技術、系統開發和驗證方法、車輛駕駛環境以及傳感器仿真的真實度都提出了更高要求。 ANSYS作為世界領先的工程仿真工具供應商，基于扎實的物理場仿真技術和安全開發技術，正在和知名企業一起構建先進的自動駕駛仿真工具鏈，涉及功能安全和信息安全分析、道路環境建模與仿真、傳感器建模與仿真、嵌入式軟件開發、閉環仿真，云計算平臺等等。
免費 1小時24分鐘 423播放
查看
自動駕駛感知仿真與驗證之毫米波雷達
適用人群：自動駕駛相關（汽車整車廠，傳感器供應商等）行業人士 無人駕駛雷達天線設計流程與場景動態模擬【已結束】 直播時間：2019-12-19 20:00 如今，無人駕駛/自動駕駛正在迅速發展，在自動駕駛中最關鍵的雷達感知領域涉及多種雷達形式，如激光雷達、攝像頭、微波雷達等。
免費 1小時26分鐘 517播放
查看
自動駕駛感知技術的實例教程
公安部道路交通安全研究中心 王藝帆
自動駕駛汽車是汽車電子、智能控制以及互聯網等技術發展融合的產物，其原理為自動駕駛系統利用感知系統，獲取車輛自身以及外界環境信息，經過計算系統分析信息、做出決策，控制執行系統實現車輛加速、減速或轉向，從而在無需駕駛員介入的情況下，完成自動行駛。2013年，美國國家公路交通安全管理局（NHTSA）根據輔助控制系統的自動化功能，將自動駕駛技術分為0~4級，如表1所示。從表1可了解到，自動駕駛的發展升級是從輔助駕駛到主宰駕駛，從提供單一功能、應對簡單場景，到可掌控所有場合，完全解放駕駛人。期間，感知系統需不斷提高獲取周邊環境信息的全面性、準確性和高效性，它是自動駕駛的基礎，也是貫穿升級的核心部分。本文將介紹自動駕駛感知系統常用方案，及其各自技術方法、特點和應用情況。
1 系統框架
自動駕駛汽車首先應有一套完整的感知系統，代替駕駛人的感知，提供周圍環境信息；其次應有一套集智能算法、高性能硬件于一體的控制系統，代替駕駛人的大腦，制定駕駛指令、規劃行駛路徑；最后還需一套完善縝密的執行系統，可以代替駕駛員的手腳動作，執行駕駛指令、控制車輛狀態。其中，感知系統應包括環境感知、內部感知、駕駛人感知。其中內部感知主要是通過CAN總線采集車內各電子控制單元信息，以及裝載在車上的各類傳感器實時產生的數據信息，來獲取車輛狀態，包括車體（車內外溫度、空氣流量、胎壓），動力（油壓、轉速、機油），車輛安全（安全帶、氣囊、門窗鎖）等；駕駛人感知是通過人機交互界面或傳感器獲取駕駛人操控、手勢、語音等控制指令，以及面部表情等檢測信息，用來接收控制命令、檢測駕駛人狀態。本文介紹的感知系統針對環境感知、自動駕駛感知系統的關鍵點和難點，其功能是實時獲取周邊物體、行駛路況、導航定位、天氣、停車場等信息。
展開 Mobileye 也是自動駕駛技術的龍頭企業之一，其使用了基于深度學習的算法、傳感器與定位技術等，支持各種不同類型的自動駕駛場景。
通用汽車（General Motors）：通用汽車正在與 Cruise 合作，通過深度學習技術來提高自動駕駛汽車的性能。
奔馳（Mercedes-Benz）：奔馳推出名為 Mercedes-Benz Intelligent Drive 的方案，該方案基于神經網絡技術，可為車輛提供先進的自動駕駛功能。
斯巴魯（Subaru）：斯巴魯正在開發名為 EyeSight 的自動駕駛技術平臺，其中包括大量的深度學習算法，可以幫助車輛實現更準確的感知和決策。
四、大模型如何應用于自動駕駛
算法是決定自動駕駛車輛感知能力的核心要素。當前主流的自動駕駛模型框架分為感知、規劃決策和執行三部分。感知模塊是自動駕駛系統的眼睛，核心任務包括對采集圖像進行檢測、分割等，是后續決策層的基礎，決定了整個自動駕駛模型的上限，在自動駕駛系統中至關重要。感知模塊硬件部分主要為傳感器，軟件為感知算法，其中算法是決定自動駕駛車輛感知能力的核心要素。
神經網絡模型的應用驅動感知算法高速發展，具體可以分為兩類，一類是以CNN、RNN為代表的小模型，另一類是Transformer 大模型。
展開 文章來源：自動駕駛干貨鋪
現在自動駕駛車輛傳感器的布置五花八門，各家有各家的方案。
那假設我有一個傳感器配置的車輛，我現在去采集了很多感知場景的數據，
這些數據這樣能變現呢？是否有公司需要數據來訓練算法呢？我的傳感器布局可能和需求方的不一樣，那我的數據他可以用來訓練他的算法嗎？
在自動駕駛技術中，軟件系統是最具有技術壁壘的領域之一。近年來，國內外成立了不少自動駕駛創業公司，花費了大量人力物力投入到自動駕駛軟件系統的開發中，每一行代碼、每一個專利，都是它們未來競爭的底氣和資本。可以說，自動駕駛軟件系統是上述公司最核心的資產之一。
百度是國內最早投入自動駕駛技術研發的公司之一。Apollo是百度發布的向汽車行業及自動駕駛領域合作伙伴提供的軟件平臺，不僅在全球各種權威自動駕駛榜單中成績斐然，也在商業化推進上有著驚人的速度。下圖是Apollo開源項目的系統架構。
圖1. Apollo 6.0 Architecture，
來源：Apollo項目GitHub
地址：https://github.com/ApolloAuto/apollo
簡單解析一下Apollo框架。
其中，Open Software Platform指的是Apollo開源軟件平臺，它是圖中位于右側的各個子模塊的總稱。RTOS（real-time operating system）是實時操作系統，實時性是它的最大特征，它為上層功能模塊的高效執行提供底層環境。
Map Engine是地圖引擎，在軟件中負責獲取各類地圖數據，并提供相應的地圖數據功能接口。Localization和Perception分別是定位和感知模塊，是處理汽車周圍環境信息的功能模塊，負責將各類傳感器收集到的數據進行加工和處理，用結構化的結果來描述汽車周圍的場景。Planning是規劃模塊，負責對結構化的場景信息進行下一步的處理，通過計算得到一條安全可通行的路徑。
展開 
自動駕駛感知技術的相關專題、標簽、搜索
自動駕駛感知技術的最新內容
?? 通過將運動、振動和聲音整合到一個同步環境中，這種設置實現了更真實的駕駛者在環仿真體驗。
#HexaRev 先進的六自由度運動系統旨在克服傳統六足平臺的局限，即使在制動和過彎等綜合動作中，也能保持更大的可用運動包絡。這使得工程師能夠更準確地感知高動態條件下的車輛行為。
結合 #HyperDock 輕便且高剛度的駕駛艙，降低了質量和慣性，重心更低，使系統響應更靈敏
Ansys自動駕駛汽車仿真解決方案基于從傳感器到系統級的完整工具鏈，通過軟件在環（SiL）與硬件在環（HiL）閉環測試，結合高保真合成數據與開放架構生態，大幅提升開發效率并降低測試成本。在近期發布的"Ansys 應用類系列網絡研討會全面上線"中，涵蓋4場AVxcelerate專題內容，系統解讀自動駕駛仿真的核心能力與最新進展。
本次系列網絡研討會將聚焦Ansys 2026 R1 AVxcelerate
?? 通過將運動、振動和聲音整合到一個同步環境中，這種設置實現了更真實的駕駛者在環仿真體驗。
#HexaRev 先進的六自由度運動系統旨在克服傳統六足平臺的局限，即使在制動和過彎等綜合動作中，也能保持更大的可用運動包絡。這使得工程師能夠更準確地感知高動態條件下的車輛行為。
結合 #HyperDock 輕便且高剛度的駕駛艙，降低了質量和慣性，重心更低，使系統響應更靈敏
聚焦機器人產業“感知-決策-執行”技術閉環，“感知·決策·執行——2026北京國際機器人技術展覽會”將于2026年6月10日至12日在北京舉辦。展會以技術解構為核心、開發者賦能為支撐、供需對接為目標，打造覆蓋全技術鏈條的專業交流平臺，助力機器人產業核心技術迭代與供應鏈協同升級。
作為本年度北方地區最具影響力的機器人專業展會，本次展會將匯聚來自全球20多個國家和地區的400余家參展企業，展覽面積達
點擊藍字 關注我們
01/簡介
隨著集成電路制程向3nm及以下先進節點演進，光刻成像系統中的光學衍射、掩模三維效應與光致抗蝕劑非線性響應相互疊加，使光源-掩模協同優化（SMO）成為保障圖形保真度與芯片良率的核心技術。傳統線性壓縮感知（CS）驅動的SMO技術，因難以精準刻畫掩模與成像之間的強非線性映射關系，在復雜圖形優化中常面臨精度不足、工藝窗口收縮等問題
01/簡介
隨著集成電路制程向3nm及以下節點突破，光刻系統的光學畸變、掩模三維衍射及光致抗蝕劑非線性響應等效應疊加，使光源-掩模協同優化（SMO）成為保障成像精度的核心技術。
傳統線性壓縮感知技術雖在光源單變量優化中實現了降維高效求解，但面對SMO場景中掩模-成像的強非線性映射關系，其線性假設難以精準刻畫優化變量與成像質量的關聯，導致優化精度與可制造性失衡
01/簡介
隨著集成電路制程推進至90nm及以下節點，光學鄰近效應校正（OPC）、光源掩模聯合優化（SMO）等計算光刻技術已成為保障光刻成像精度的核心支撐。其中，壓縮感知（CS）技術憑借稀疏性約束降維的核心優勢，在光源優化（SO）中實現了高效的參數尋優，大幅降低了計算復雜度。
然而，當優化對象轉向掩模時，線性CS理論的局限性愈發凸顯——掩模圖形的像素級調控與光刻成像之間存在顯著的非線性映射關系
01/簡介
當前，壓縮感知光源優化的仿真技術已實現標準化與精準化雙重突破，為技術落地奠定堅實基礎。仿真條件層面，通過構建統一的光源參數基準、掩模圖形庫及光學成像模型，建立了可復現的標準化仿真環境，解決了傳統仿真中參數離散導致的對比誤差問題。
接下來以豎直線條為目標圖形進行仿真分析，對比分析在不同變量下曝光圖像的情況。
02/仿真條件
01/簡介
隨著集成電路制程向3nm及以下節點突破，光刻系統面臨的光學畸變（如衍射、偏振效應）愈發顯著，光源作為光刻成像的“源頭變量”，其圖形優化直接決定空間像保真度與芯片制造良率。
傳統光源優化方法依賴全像素維度尋優，受限于光源像素矩陣規模龐大（常達數百甚至數千維度），存在迭代收斂慢、計算資源消耗高、易陷入局部最優等問題，難以適配先進制程對優化效率與精度的雙重需求
扯遠了，還是來繼續看看，3DGS到底能不能解決傳統仿真技術中“自動駕駛感知仿真難”的痛點吧。
二、實操驗證：aiSim軟件的3DGS功能開箱體驗
感知仿真難，也就是傳感器的仿真難。
自動駕駛最重要的三類傳感器：攝像頭、激光雷達、毫米波雷達。
