感知技術的案例
無人駕駛汽車環境感知技術綜述
馬佃波
（吉林大學 130012)
摘要：無人駕駛汽車的相關技術一直是當今科學技術研究中的重中之重，它對國防、科學技術的發展以及整個社會的經濟都有重要的影響作用。無人駕駛汽車的相關技術涉及了很多知識，需要大量專業人才為之奮斗。其中，環境感知技術就相當于無人駕駛汽車的眼睛，將影響著整個無人駕駛汽車的安全性和穩定性，因此，本文主要分析了當前國內外無人駕駛汽車的發展現狀以及現有的無人駕駛汽車環境感知系統，對無人駕駛汽車環境感知系統中的傳感器進行了研究。
關鍵詞：無人駕駛；汽車；環境；感知
科技發展的腳步從未停止，人工智能機器人及人工智能系統已然成為新世紀科技發展的主向。作為人工智能機器人的分支，無人駕駛汽車的發展在整個社會和科學技術的發展中都具有非常重要的影響。無人駕駛汽車可以通過車上安裝的攝像頭或雷達感知道路情況，及時傳遞各種危險情況給駕駛系統，并且在駕駛員沒有及時做出反應的危急時刻自動采取安全措施，提升駕駛汽車的安全性。
在道路行駛中，可以通過視覺傳感器檢測汽車是否行駛在車道內，有無偏離，還會識別行駛過程中道路上的各種標識物和紅綠燈。在無人駕駛技術中，環境感知技術是其組成單元中較為重要的一個單元，將直接決定無人駕駛汽車的整體水平，一直是無人駕駛技術中研究的重點。
1 國內外無人駕駛汽車發展現狀
1.1 國外無人駕駛汽車發展現狀
目前對無人駕駛技術研發投入最多且研究較為深入的國家就是美國了，其從1970年開始就一直注重無人駕駛技術的發展，在各個有能力的單位、學校、研究院投入大量資金進行科學研究，推動了無人駕駛汽車的發展，并取得了非常好的研究成果。
在2011年，英國的牛津大學改裝了一輛越野型無人駕駛汽車，該車在行駛中可以不用GPS，而是采取激光雷達感知道路情況，可以行駛在山路中[1]。
展開 無人水面艇感知技術發展綜述
在水面無人駕駛技術體系中，感知技術是核心，而現階段國內外對其感知技術的研究仍處于起步階段。本文梳理了無人艇的研發進程，圍繞感知技術的3個方面關鍵技術進行分析與探討：基于水面無人艇的目標檢測，主要包括面向避障的目標檢測及面向作業的目標檢測、目標跟蹤、實時定位方法。最后考慮到無人艇感知技術在系統穩定性及目標檢測能力中面臨的挑戰，對無人艇感知技術存在的不足和未來的發展趨勢做出展望。
關鍵詞：無人水面艇；感知；路徑規劃；目標檢測；目標跟蹤；導航；定位
由于無人駕駛的發展，近幾年無人車和無人機已廣泛應用于各種場景。與此同時，應用于水面的無人艇(unmanned surface vehicles，USV)有望在未來代替人類發揮重要作用。近年來，無人艇被廣泛用于執行多種軍事及非軍事任務，代替作業人員執行危險或耗時耗力的任務，在港口防護及艦船兵力保護、海上偵察監視、反潛作戰、水上搜救、后勤補給、水質監測、水文采樣、海洋環境測繪、水域生態保護等方面發揮著重要作用，提高工作效能的同時也降低了作業人員的傷亡。
作為無人艇的創始者，以色列埃爾比特系統公司推出的“銀色馬林魚”具有劃時代的戰略意義[1]。隨后，無人艇SCOUT[2]、水面高速無人艇PROTECTOR[3]、測量雙體船海豚(MESSIN)[4]、無人艇ROBOAT[5]、無人艇JingHai-I[6]以及各種無人艇海上協議相繼推出[7]。近年來，各企業也陸續推出商用水面無人艇。Fraunhofer CML等8家機構聯合開展海上智能無人駕駛航行網絡(MUNIN)計劃[8]。日本29家單位聯合組織開展“智能船舶應用平臺(SSAP1)”項目。英國羅爾斯·羅伊斯公司(R-R 公司)發起“先進自主水運應用項目(AAWA)”[9]，并與 Finferries 聯合推出全球第一艘無人駕駛渡輪“Falco”號。
展開 新人工智能呼喚“感知技術”，未來的傳感器是什么樣？
機器實現更加智能化的功能，離不開傳感器信息技術的高度集成和綜合運用。弱人工智能邁向強人工智能的路上，更加智能化的傳感器成為了市場剛需。
“感知技術”浪潮來臨
以物聯網、大數據、云計算等新興信息技術為基礎的應用越來越成熟，制造業的生產方式甚至商業模式也逐步發生變革。智能裝備、智能工廠等智能制造正在引領制造方式轉變，背后的推動力量，便是人工智能。
2017年7月20日，中國發布了《新一代人工智能發展規劃》。這個“規劃”的精華之一，便是提出了新一代智能制造的發展方向。機器將變得越來越人性化，掌握學習與識別的功能，新人工智能技術的出現必然會引發又一波的信息化技術浪潮——“感知技術”。
“我們以前解決的是如何處理問題、傳輸問題，如今，我們要去解決如何感知問題。如今火熱的物聯網，是感知技術最大的應用平臺，想要實現人與物的連接，比如說智能家電按照人的意志，依靠傳感器采集水溫、壓力的大小等等，都是需要感知技術來實現。” 中國傳感器與物聯網產業聯盟副理事長郭源生說。
傳感器成為了新人工智能邁向應用的基礎。以智能汽車為例，自動駕駛車輛上，至少安裝了三套傳感器系統：攝像頭、雷達和激光雷達，這樣才能采集到車輛行駛過程中周遭的環境信息，完成智能行駛。“汽車邁向新智能化，可以幫助駕駛員更好的控制車輛行駛以及車內娛樂，我們開始進行動感汽車相關業務，基于華為的研究技術，每輛車上的傳感器超過了1000個。利用這種智能傳感器，可以降低運營商的成本和效率，產生較低的故障率。”華為技術有限公司中國戰略部副部長陳亞新說。
“咖啡機、電飯煲、智能水杯、智能奶瓶、重力感應柜都是傳感器目前大規模應用市場。咖啡機上的傳感器可以智能配料，并增加對配料稱重的功能。智能水杯可以通過傳感器進行水溫的采集。電磁爐和豆漿機通過傳感器增加了重力感應。”
展開 一文詳解智能駕駛感知系統測試技術
摘要
隨著人工智能、邊緣計算、無線通信和車載傳感器等關鍵技術的進步和突破，自動駕駛系統迎來了新一輪的發展。交通應用的安全攸關場景給自動駕駛系統提出了更高的質量保障要求。感知系統是自動駕駛的核心，圍繞感知能力的測試驗證工作是保障自動駕駛軟件系統安全可靠的有效且必要途徑。本文簡要分析了國內外自動駕駛感知系統測試的研究現狀，并對圖像、激光雷達、以及感知融合測試方法和技術發展進行了討論。
前言
隨著人工智能及其軟硬件技術的進步，近年來自動駕駛獲得了快速發展。自動駕駛系統已經被應用于民用汽車輔助駕駛器、自動物流機器人、無人機等領域。感知組件是自動駕駛系統的核心，它使得車輛能夠分析并理解內外交通環境信息。然而，與其他軟件系統一樣，自動駕駛感知系統困擾于軟件缺陷。并且，自動駕駛系統運行于安全攸關場景，其軟件缺陷可能導致災難性后果。近年來，已經發生多起自動駕駛系統缺陷導致的人員傷亡事故。自動駕駛系統測試技術受到學術界和工業界的廣泛重視。企業與研究機構提出了一系列包括虛擬仿真測試、實景道路測試和虛實結合測試等在內的技術和環境。然而，由于自動駕駛系統輸入數據類型的特殊性和運行環境的多樣性，這類測試技術的實施過程需要消耗過多資源，并需要承擔較大風險。本文簡要分析當前自動駕駛感知系統測試方法的研究和應用現狀。
1 自動駕駛感知系統測試
自動駕駛感知系統的質量保障越來越重要。感知系統需要幫助車輛自動分析和理解路況信息，其構成非常復雜，需要充分檢驗待測系統在眾多交通場景下的可靠性和安全性。當前自動駕駛感知測試主要分為三大類。無論何種測試方法，都表現出了一個區別于傳統測試的重要特征，即對于測試數據的強依賴性。
第一類測試主要基于軟件工程理論和形式化方法等，以感知系統實現的模型結構機理為切入點的測試。
展開 
"深部工程硬巖時效破裂過程智能感知技術與裝置"科技成果評價會在京召開
2021年4月30日，由中國巖石力學與工程學會組織的"深部工程硬巖時效破裂過程智能感知技術與裝置"科技成果評價會在北京召開。
評價委員會由中國工程院錢七虎院士擔任主任，中國科學院何滿潮院士、工程院顧金才院士、陳湘生院士擔任副主任，評委會專家有：清華大學楊強教授、北京工業大學鄭宏教授、北京交通大學張頂立教授、北京建筑大學戚承志教授、中科院地質與地球物理祁生文研究員。秘書長楊曉杰教授主持會議，顧問秘書長方祖烈教授出席會議。
東北大學校長馮夏庭院士代表項目組作成果匯報。該項目由東北大學完成，針對傳統試驗裝置與感知判別技術對真三向高應力下硬巖時效破裂過程"測不到"、"測不全"和"測不準"，致使硬巖時效型災害孕育過程的機制和規律認知不清，難以科學預測與有效控制。為此，項目團隊發明了深部工程硬巖時效破裂過程試驗裝置與感知技術，科學認知了深部地下工程硬巖時效破裂過程的機制和規律，研發了深部工程硬巖時效破裂過程判別與控制技術，奠定了我國在深部工程安全研究領域的國際領先地位。本項目授權發明專利32項、美國專利1項；發表高質量學術論文50篇、英文著作5部；主編建議方法2項；主編試驗標準1項。
展開 康謀方案 | BEV感知技術：多相機數據采集與高精度時間同步方案
隨著自動駕駛技術的快速發展，車輛準確感知周圍環境的能力變得至關重要。BEV（Bird's-Eye-View，鳥瞰圖）感知技術，以其獨特的視角和強大的數據處理能力，正成為自動駕駛領域的一大研究熱點。
一、BEV感知技術概述
BEV感知技術，是一種從鳥瞰圖視角（俯視圖）出發的環境感知方法。與傳統的正視圖相比，BEV視角具有尺度變化小、視角遮擋少的顯著優勢，有助于網絡對目標特征的一致性表達。基于這樣的優勢，可以更有效的對車輛周圍環境進行感知。
圖1：BEV 感知圖
因此，在自動駕駛感知任務中，BEV感知算法通常包括分類、檢測、分割、跟蹤、預測、計劃和控制等多個子任務，共同構建起一個完整的感知框架。
BEV感知算法的數據輸入主要有圖像和點云兩種形式。根據數據源不同，BEV算法主要分為BEV Camera（純視覺）、BEV LiDAR（基于激光雷達）和BEV Fusion（多模態融合）三類。其中，圖像數據具有紋理豐富、成本低的優勢，此外，基于圖像的任務、基礎模型相對成熟和完善，比較容易擴展到 BEV 感知算法中。
為了更好的訓練BEV Camera感知算法，往往需要先搭建一個高質量的數據集。而搭建一套BEV感知數據采集系統，通常包括以下幾個關鍵環節：
1. 硬件選型與集成：選合適的攝像頭和計算采集平臺，集成穩定系統。
2. 數據采集：在實際環境中采集圖像數據，覆蓋不同場景、光照和天氣。
3. 時間同步：確保不同傳感器數據時間精確同步，是后續算法訓練的必要前提。
4. 系統調試和部署：調試系統確保組件協同工作，部署到實際應用環境。
因此，在實際搭建過程中，常會遇到技術復雜性高、成本投入大、數據質量與時間同步實現難、系統穩定性與可靠性要求高等挑戰。
展開 光刻技術第16期 | 壓縮感知光源優化的優化技術
壓縮感知技術憑借“稀疏性約束降維”的核心邏輯，為光源優化提供了突破口——通過將光源在稀疏基（如2D-DCT）下表示為少量非零系數，大幅削減優化變量維度。但壓縮感知光源優化的落地效果，關鍵取決于“優化技術”的工程化實現：算法迭代步驟的合理性決定了優化收斂速度與全局最優性，需明確初始值求解、變量更新、收斂判定的完整邏輯；算法實施細節的精準度（如稀疏基適配選擇、測量矩陣構建、噪聲抑制策略）則直接影響優化結果的穩定性與可制造性，是技術從理論走向工程的核心橋梁。
本文聚焦壓縮感知光源優化的優化技術核心，系統拆解算法迭代的完整流程，深入剖析關鍵實施細節，厘清技術落地的核心環節，為壓縮感知光源優化在先進光刻工程中的高效應用提供可復用的技術框架與實施參考。
02/算法迭代步驟
通過解決l1范數優化問題，可以獲得最佳光源圖形。該問題可以使用在CS領域開發的多種算法來解決。在優化前計算Iscc矩陣，可以減少運行時間。
通過線性Bregman算法迭代更新光源的2D-DCT系數θ，該算法計算效率高、圖像對比度高，流程如下：
迭代過程中，門運算承擔著參數精準篩選的關鍵角色：
? 若參數的絕對值小于設定閾值，會直接調整為0；
? 若參數絕對值不小于該閾值，則結合參數自身的符號（正/負）與閾值運算，實現參數的定向調控。
其中的符號判斷由符號函數完成：參數非負時符號為1，參數為負時符號為-1——通過這一機制，最終得到的光源核心參數（2D-DCT系數）將更精準匹配光刻需求。
展開 自動駕駛汽車感知系統關鍵技術綜述
2 感知系統
感知系統目的包括：①安全性：實時、準確識別周邊影響交通安全的物體，應對突發事件，為采取必要操作以避免發生交通安全事故；②通過性：基于自身行駛性能、周邊路況和共識規則，能夠實時、可靠、準確識別并規劃出可保證規范、安全、迅速到達目的地的行駛路徑；③經濟舒適性：為車輛高效、經濟、平順行駛提供參考依據。目前，感知系統主要是利用傳感器、定位導航 、車聯通信（VehicIe-to-X，V2X）3種技術組合實現上述目的。
2.1 傳感器
傳感器感知的對象包括行駛路徑、周圍障礙物和行駛環境等。感知行駛路徑是對可通行性道路的識別，在城市中包括信號燈、各種標志牌、車道線、路障等目標的識別；在野外包括車輛前方路面平坦情況、可通行道路分析等。感知周圍障礙物是識別影響自動駕駛車輛行駛的靜止或者移動的各種障礙物，包括路面上的車輛、行人、路障等。感知行駛環境是判別對自動駕駛車輛行駛影響比較大的變化環境，例如路面、交通與天氣等。
主流的傳感器感知技術包括視覺感知、激光感知、微波感知等。視覺感知是基于攝像頭采集的圖像信息，使用視覺相關算法進行處理，認知周圍環境；激光感知是基于激光雷達采集的點云數據，通過濾波、聚類等技術，對環境進行感知；微波感知是基于微波雷達采集的距離信息，使用距離相關算法進行處理，認知周圍環境。3種環境感知方法的比較如表2所示。根據各類傳感器技術特點，不同應用場景和系統功能需求下，應選不同的傳感器技術。例如，在高速公路環境下，由于車輛速度較快，通常選用檢測距離較大的微波感知；在城市環境中，由于環境復雜，通常選擇檢測角度較大、信息量豐富的激光、視覺感知技術。
現在廣泛應用的各類高級駕駛員輔助系統ADAS使用各類傳感器，實現了相應的輔助駕駛功能，為實現完全自動駕駛奠定了基礎，如圖2所示。
展開 大疆無人機飛行感知技術有什么用途
光流模塊
光流模塊是一個比較特殊的模塊，既可以用來感知機體的運動狀態，如測量水平方向的位移速度，也可以用來感知周圍的環境，用作避障的用途。比較常見的光流模塊是開源的PX4FLOW。光流模塊通常在室內使用，主要是為了解決室內衛星信號不佳的問題，另外對于拍攝的地面需要有一定紋理圖案。
周圍環境狀態感知
測距模塊
這里列舉五個常用的測距模塊：超聲波、紅外TOF、激光、毫米波雷達、深度感知攝像頭。
超聲波和紅外TOF各方面性能比較相似，比如測量距離都比較近，像超聲波測量的距離一般在4米左右。另外這兩種傳感器的使用范圍都容易受到實際環境的限制，比如紅外TOF是向被測物體表面發射紅光并反射，如果遇到紅光反射率不高的物體像玻璃就會失效。但這兩種傳感器有一個最大的優勢就是成本低，另外模塊體積也比較小，所以在消費類無人機上得到了廣泛使用。
激光雷達測距一般都比較遠，大多數產品都可以達到100米以上，但是大雨大霧的天氣環境會影響其測量結果。另外的劣勢在于成本比較高： 在激光雷達行業實力最強的是Velodyne，它的一款適用于無人機使用的小型化產品VLP-16價格也達到了1000美元以上，對于商用無人機來說成本還是比較高。
深度感知攝像頭根據測量技術可以分為三種，立體攝像頭，也叫雙目視覺技術，代表產品就是大疆的精靈4；結構光技術，代表產品有微軟的Kinect；時差測距技術（TOF），由于生產廠家較少而且成本較高，因此在無人機上的應用很少。深度感知攝像頭在使用時也存在局限性，雙目視覺技術的缺點是在低光環境下無法正常工作，而結構光技術則與之相反，在強光下無法正常工作。因此有的廠家把兩種技術進行組合，彌補彼此的缺陷，擴大其適用的環境范圍。
提高測量精度的方法
傳感器校準
傳感器校準，包括精校準和粗校準。
展開 感知·決策·執行——“2026北京具身智能技術展覽會”即將啟幕
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4萬平方米，預計吸引逾10萬名專業觀眾、行業專家及投資者蒞臨現場，涵蓋工業制造、醫療健康、應急救援、智慧物流等多個機器人核心應用領域，構建起“技術展示-交流研討-供需對接-成果轉化”的全鏈條生態體系。
展會將緊扣“感知-決策-執行”技術閉環核心，設置三大核心展區，實現全技術鏈條全覆蓋。感知技術展區聚焦多模態傳感器、激光雷達、力覺反饋系統等核心部件，集中展示機器人環境感知、數據采集的前沿成果，其中包括可實現0.1秒級地面坡度計算的TOF深度相機與IMU慣性單元，以及能精準識別0.02mm細微缺陷的視覺檢測系統，彰顯感知層作為機器人“感官”的核心支撐作用。決策技術展區重點呈現具身大模型、深度學習算法、路徑規劃系統等創新成果，多家企業將發布集成大語言模型與具身智能的解決方案，讓機器人實現常識推理與動態任務規劃，推動機器人從“自動化工具”向“自主化伙伴”加速演進。執行技術展區則匯聚高精度機械臂、仿生靈巧手、高效電機控制組件等產品，展示毫米級操作精度、高靈活性的執行部件，其中不乏握力高達28.7千克的仿生靈巧手、51個自由度的全尺寸人形機器人等重磅新品，破解機器人“最后一厘米”操作難題。
展會期間，除核心展品展示外，還將同步舉辦30余場配套活動，包括機器人產業發展高峰論壇、“感知-決策-執行”技術創新研討會、中歐機器人產業合作論壇、供需對接會及開發者訓練營等。
展開 光刻技術第19期 | 非線性壓縮感知光源-掩模優化的數學模型
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。在此背景下，非線性壓縮感知（NCS）理論與SMO技術的融合成為突破瓶頸的關鍵，而數學模型的構建則是該融合技術落地的核心前提。
非線性壓縮感知光源-掩模優化的數學模型，通過多模塊協同實現非線性場景的精準優化：目標函數定義為成像質量的量化基準，為優化提供明確方向；含罰函數的總目標函數則通過約束項控制光源與掩模的復雜度，解決優化結果可制造性不足的問題；稀疏表示與參數變換借助小波、DCT等基函數實現變量降維，延續壓縮感知的高效優勢；
最終通過非線性CS-SMO模型整合上述模塊，構建非線性映射下的優化框架。本文聚焦該數學模型體系，系統解析各核心模塊的構建邏輯，闡明非線性場景下SMO的優化機理，為先進計算光刻的高精度優化提供理論支撐。
在先進光刻的圖形復刻流程中，“目標圖形與實際曝光圖形的精準匹配”是核心訴求。而目標函數與非線性CS-SMO模型，正是實現這一訴求的數學基石，既保障匹配精度，又兼顧運算效率與工藝可行性。
02/目標函數
目標函數的核心作用，是精準衡量“預設目標圖形”與“實際曝光圖形”的差異：
我們為不同電路布局區域設置專屬權重矩陣，以此區分各區域的重要性；目標函數通過“計算兩類圖形對應位置元素的差異平方，再結合對應區域權重求和”，得到兩者的匹配度量化值。
展開 
光刻技術第18期 | 非線性壓縮感知理論
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，這種非線性源于掩模三維衍射、光致抗蝕劑化學反應等多物理效應疊加，導致線性模型難以精準刻畫優化目標與掩模參數的關聯，直接影響OPC的校正精度與SMO的協同優化效能。
為破解這一瓶頸，非線性壓縮感知（NCS）理論應運而生，其通過非線性映射構建信號與觀測的關聯，能夠適配掩模優化場景中的復雜非線性特性。與線性CS相比，非線性CS理論的核心突破在于重構模型對非線性關系的精準表征，而迭代公式則為非凸優化問題提供了高效的求解路徑，二者共同構成了掩模優化場景下計算光刻技術的理論核心。
本文聚焦非線性壓縮感知理論的工程化應用需求，從掩模-成像的非線性機理出發，系統解析非線性CS重構模型的構建邏輯，深入推導關鍵迭代公式的演化過程，為OPC、SMO等技術的精度提升提供理論支撐。
02/仿真非線性CS重構模型
在先進光刻的非線性優化場景中，非線性CS重構算法（IHTs、Newton-IHTs、L-BFGS）是破解復雜運算難題的核心工具——它們既能精準適配非線性光刻的優化需求，更能通過梯度、Hessian矩陣的協同作用加速收斂，在保障優化精度的同時，大幅提升計算效率。
展開 光刻技術第20期 | 非線性壓縮感知光源-掩模優化技術及對比分析
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，已無法滿足極端制程對優化性能的嚴苛要求。
非線性壓縮感知（NCS）理論的興起為突破這一瓶頸提供了關鍵路徑，其通過構建非線性重構模型，可更貼合光刻系統的物理本質。然而，不同非線性CS-SMO技術的適配場景與性能表現尚未形成系統對比，仿真條件的差異也導致技術優劣難以客觀評判。
基于此，本文以非線性壓縮感知光源-掩模優化的數學模型為核心，搭建標準化仿真環境，選取水平條塊圖形、豎直線條圖形及復雜電路圖形作為典型測試對象，從成像精度、計算效率、工藝窗口兼容性等維度，系統開展不同SMO技術的性能對比研究。通過量化分析各類技術的適配特性與核心優勢，為先進計算光刻中SMO技術的選型與工程化應用提供科學依據與理論支撐。
展開 下午直播 | Ansys面向感知系統的仿真驗證技術
針對當前L3以上自動駕駛汽車開發對感知越來越多的應用需求，傳統的實車測試不僅人成本高昂，同時無法覆蓋感知測試所需的海量邊緣場景。Ansys 基于物理的傳感器仿真可以實現高精度攝像頭，激光雷達和毫米波雷達實時仿真，幫助用戶加速高等級自動駕駛功能開發需求。
行業應用方案 | 面向無人駕駛感知系統的仿真驗證技術
Ansys 行業應用方案連載 | 面向無人駕駛感知系統的仿真驗證技術
無人駕駛技術在當今5G和人工智能的催生下越發蓬勃地發展，滿足完全面向L3+的自動駕駛能力是未來兩年國內外自動駕駛技術產品化的主要目標。對于L3+的自動駕駛系統需要在給定的運行區域內，除了完成車輛橫向和縱向的控制外，還需要實現目標事件的檢查和響應。所以對于L3+的自動駕駛系統，其感知和控制決策就變的尤為重要，這更加需要極大關注感知系統的能力，對傳感器的布置、性能、感知算法等都需要進行充分的設計驗證。
但是當前傳統的實車路試等測試手段已經難以在有限的時間內覆蓋自動駕駛汽車所有可能的運行場景，AI的應用又急劇擴大了對測試場景規模的要求，尤其是現實中偶有發生而又會對駕駛造成極大安全隱患的邊緣場景更加考驗自動駕駛系統的感知和決策控制。數字化的仿真正是目前解決自動駕駛測試技術場景覆蓋度這一難題的有效手段，通過快速便捷的場景和駕駛仿真技術，可以幫助用戶在短時間內實現大規模多場景的仿真測試驗證，從而讓仿真從真正意義上加速整體測試開發流程。
Ansys解決方案
Ansys為面向L3+的自動駕駛應用提供的基于物理的傳感器與駕駛仿真技術可以有效的構建一套高保真的自動駕駛仿真體系，包括面向功能安全和SOTIF的安全性分析平臺、傳感器部件設計與仿真工具、面向感知算法的魯棒性測試等，從而將仿真技術真正應用到自動駕駛汽車的測試驗證中。
展開 