環(huán)境感知技術的案例
無人駕駛汽車環(huán)境感知技術綜述
它的掃描范圍在水平方向上為360°，最遠檢測距離為120 m，可以在除了雨霧等惡劣天氣的任何環(huán)境下使用。一般來說雷達安裝的位置和擺放的姿勢都會影響到其檢測的范圍，所以一般在無人駕駛汽車中，都會把三維激光雷達安裝在車頂?shù)奈恢茫@樣可檢測的范圍更廣[5]。
4 結束語
無人駕駛汽車的環(huán)境感知技術值得我們進行更加深入的研究，環(huán)境感知技術在無人駕駛汽車技術研究中占據(jù)著非常重要的地位，它的優(yōu)劣將影響著整個駕駛過程的安全性與穩(wěn)定性。而且環(huán)境感知技術包括的內(nèi)容非常多，如傳感器方面的知識、計算機知識、計算機的圖像處理、對圖像的理解認知以及傳感器與計算機信息相融合的技術等等，需要更多專業(yè)人才為之努力，投身科研事業(yè)。
雖然直到現(xiàn)在，我國還沒有完全實現(xiàn)真正的無人駕駛，但是國家出臺了很多對其有利的政策，并且對各個參與研究的學校、研究院、企業(yè)進行扶持，無人駕駛汽車的相關技術一直在快速發(fā)展中，相信在不久的將來，我國就會實現(xiàn)真正的無人駕駛。
【參考文獻】
[1]馬飛躍,王曉年. 無人駕駛汽車環(huán)境感知與導航定位技術應用綜述[J]. 汽車電器,2015,(02):1-5.
[2]王貴槐,萬劍. 汽車安全輔助駕駛支持系統(tǒng)信息感知技術綜述[J]. 交通與計算機,2008,(03):50-54.
[3]王世峰,戴祥,徐寧,張鵬飛. 無人駕駛汽車環(huán)境感知技術綜述[J]. 長春理工大學學報(自然科學版),2017,(01):1-6.
[4]陳龍. 城市環(huán)境下無人駕駛智能車感知系統(tǒng)若干關鍵技術研究[D].武漢大學,2013.
[5]王藝帆. 自動駕駛汽車感知系統(tǒng)關鍵技術綜述[J]. 汽車電器,2016,(12):12-16.
展開 康謀技術 | 高效環(huán)境感知：毫米波雷達數(shù)據(jù)采集、可視化及存儲方案
<p>隨著自動駕駛技術的快速發(fā)展，自動駕駛的研發(fā)逐漸形成一整套的流程，包括<strong>數(shù)據(jù)采集，清洗標注，算法訓練，仿真測試</strong>到<strong>量產(chǎn)</strong>等各技術環(huán)節(jié)。通過復雜的步驟從原始數(shù)據(jù)中提出高價值的信息，其中對原始數(shù)據(jù)的精準采集是實現(xiàn)車輛環(huán)境感知的基石。毫米波雷達因其出色的測距、測速能力以及對惡劣天氣的魯棒性，成為不可或缺的傳感器之一。</p><p>本文將以4D毫米波雷達ARS548為例，分享毫米波雷達如何快速實現(xiàn)數(shù)據(jù)采集，可視化及存儲策略。關于毫米波雷達的特性可進一步了解文章<strong>《毫米波雷達技術解析》</strong>。</p><h2>一、ARS548毫米波雷達概述</h2><p><strong>ARS548</strong>是 4D高分辨率成像毫米波雷達（4D High Resolution Radar），如圖1所示。它能夠有效的測量<strong>距離（Range），速度（Velocity），水平角度（Azimuth）</strong>和<strong>俯仰角度或高度（Elevation）</strong>四個維度的信息，具備感知目標三維空間位置能力。
展開 聲學設計 | 沉浸式虛擬仿真環(huán)境，助力感知航空聲學
我希望在飛行器聲學方面也實現(xiàn)類似的功能，讓您可以在任何時間和地點，沉浸在虛擬/仿真環(huán)境中，聆聽到在附近飛行器的聲音。”
Infinity Labs成功展示了高保真度建模和仿真功能，使人類能夠在虛擬空域環(huán)境中感知飛行器聲學。該團隊利用包括Ansys Fluent和Ansys Sound在內(nèi)的商用工具實現(xiàn)了這項功能，并基于eVTOL機身和轉(zhuǎn)子聲學對這種方法進行了驗證和確認。得益于該功能，Infinity Labs可直接支持政府研究和行業(yè)硬件開發(fā)工作，并將其應用擴展到更廣泛的飛行器類型和操作環(huán)境中。由于人類對聲學的感知是飛行器航線規(guī)劃的重要影響因素，該公司預計這項功能在商業(yè)和國防領域的應用將獲得顯著增長。
可信任的流程
基本流程的概念很簡單：將來自飛行器操作的計算流體動力學（CFD）仿真的壓力流場數(shù)據(jù)輸入到聽覺化方法中，然后利用該方法可將壓力數(shù)據(jù)轉(zhuǎn)換為觀察者所在位置能夠感知到的聲音。
Infinity Labs通過兩種不同的應用建立了該流程，旨在驗證和確認此功能：第一種應用是在城市環(huán)境中對概念性eVTOL機身和轉(zhuǎn)子設計的飛行操作進行仿真。
展開 干貨｜自動駕駛系統(tǒng)中感知傳感器實物仿真測試環(huán)境構建
圖3 多普勒效應示意圖（圖片來源：https://www.guyhowto.com/）
基于毫米波雷達的上述原理，在毫米波雷達目標模擬環(huán)境構建時，采用毫米波雷達目標模擬器進行毫米波雷達目標的模擬。模擬器可以通過空饋的方式接收被測毫米波雷達的發(fā)生信號，運用信號處理技術，分析發(fā)射信號的特征參數(shù)，并根據(jù)模擬需求，發(fā)射出疊加目標數(shù)據(jù)的雷達回波。毫米波雷達接收到回波后，進行目標數(shù)據(jù)參數(shù)解析，從而實現(xiàn)毫米波雷達目標的模擬仿真。
圖4 毫米波雷達目標模擬器原理示意圖
毫米波屬于無線電微波，所以在模擬仿真環(huán)境構建時，會把目標模擬設備、被測設備放置在相對密閉的微波暗箱環(huán)境中。毫米波雷達目標模擬過程中，會需要模擬各不同角度上的目標，由于目標模擬器不方便進行移動，無法模擬出相對測試環(huán)境的絕對角度，所以一般還會采用旋轉(zhuǎn)云臺搭載被測毫米波雷達，進行雷達與目標模擬器之間相對角度的模擬。
圖5 毫米波雷達目標模擬微波暗箱結構示意圖
■ 總結：感知傳感器模擬仿真方案多樣性、實用性強
從上面的介紹不難看出，自動駕駛主要感知傳感器的實物仿真環(huán)境構建，都是基于工作原理，靈活運用傳感器感知介質(zhì)特性，在標準環(huán)境下，進行的模擬目標匹配的信號再造。針對與同一類型的感知傳感器，其實物仿真環(huán)境的構建方式其實并非是唯一的，只要環(huán)境中相對潔凈，未引入其他影響感知傳感器識別目標的噪聲，并能準確有效的對該類型傳感器可感知目標進行模擬，那這就是一個成功的環(huán)境構建方案。所以在不同模擬仿真測試系統(tǒng)應用時，可以結合不同的測試需求，對傳感器實物仿真構建方法進行選擇。
從自動駕駛模擬仿真測試產(chǎn)業(yè)發(fā)展需求角度出發(fā)，目前可以實現(xiàn)的感知傳感器環(huán)境構建方案還相對較少，后續(xù)自動駕駛整車級模擬仿真測試環(huán)境中，必定需要多類型感知傳感器融合仿真測試環(huán)境。
展開 
海洋技術▏基于巡管應用的水下機器人研究
圖4 紅外傳感器
圖5 流速傳感器
二、水下環(huán)境感知技術
⒈水下環(huán)境感知技術
水下環(huán)境感知技術是指智能水下機器人通過搭載的光學和聲學傳感器對未知區(qū)域進行環(huán)境識別，由于水下環(huán)境自身的特殊性，使得智能水下機器人在環(huán)境感知方面的研究進展較慢。水下環(huán)境感知技術主要分為聲吶目標探測技術和光學目標探測技術，其中常見的技術是聲吶目標探測技術。
聲吶目標探測技術：主要指利用聲吶原理和聲吶系統(tǒng)設備對水中目標進行探測的技術。按照聲吶的原理我們可以將其分為聲吶目標主動探測技術和聲吶目標被動探測技術。
有目的地主動從系統(tǒng)中發(fā)射聲波的稱為主動聲吶，利用接收換能器基陣接收目標自身發(fā)出的噪聲或信號來探測目標的聲吶稱為被動聲吶。
目前，安裝在ROV機器人本體上的探測聲吶主要使用的是前視聲吶、側掃聲吶、剖面聲吶、多普勒聲吶和聲相關聲吶、通信聲吶等。
⒉載體模塊化設計
由載體結構、控制系統(tǒng)、導航系統(tǒng)、能源系統(tǒng)、推進系統(tǒng)、通信系統(tǒng)和任務載荷等模塊組成。
展開 光刻技術第16期 | 壓縮感知光源優(yōu)化的優(yōu)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(yōu)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(shù)，大幅削減優(yōu)化變量維度。但壓縮感知光源優(yōu)化的落地效果，關鍵取決于“優(yōu)化技術”的工程化實現(xiàn)：算法迭代步驟的合理性決定了優(yōu)化收斂速度與全局最優(yōu)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(jié)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(yōu)化結果的穩(wěn)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(yōu)化的優(yōu)化技術核心，系統(tǒng)拆解算法迭代的完整流程，深入剖析關鍵實施細節(jié)，厘清技術落地的核心環(huán)節(jié)，為壓縮感知光源優(yōu)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(shù)優(yōu)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(fā)的多種算法來解決。在優(yōu)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(shù)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(shù)精準篩選的關鍵角色：
? 若參數(shù)的絕對值小于設定閾值，會直接調(diào)整為0；
? 若參數(shù)絕對值不小于該閾值，則結合參數(shù)自身的符號（正/負）與閾值運算，實現(xiàn)參數(shù)的定向調(diào)控。
其中的符號判斷由符號函數(shù)完成：參數(shù)非負時符號為1，參數(shù)為負時符號為-1——通過這一機制，最終得到的光源核心參數(shù)（2D-DCT系數(shù)）將更精準匹配光刻需求。
展開 光刻技術第20期 | 非線性壓縮感知光源-掩模優(yōu)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(jié)點演進，光刻成像系統(tǒng)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(xié)同優(yōu)化（SMO）成為保障圖形保真度與芯片良率的核心技術。傳統(tǒng)線性壓縮感知（CS）驅(qū)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(yōu)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(yōu)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(tǒng)的物理本質(zhì)。然而，不同非線性CS-SMO技術的適配場景與性能表現(xiàn)尚未形成系統(tǒng)對比，仿真條件的差異也導致技術優(yōu)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(yōu)化的數(shù)學模型為核心，搭建標準化仿真環(huán)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(tǒng)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(yōu)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(jù)與理論支撐。
展開 無人水面艇感知技術發(fā)展綜述
以上對無人艇的研發(fā)改進均以其平穩(wěn)航行為基礎，而無人艇安全航行的關鍵在于迅速避障并能實時優(yōu)化航路，即自主船舶對周圍水域環(huán)境的準確感知。因此，對于無人艇的核心要求是使其能夠通過感知周圍環(huán)境及自身情況來實現(xiàn)態(tài)勢感知，從而實現(xiàn)目標檢測、跟蹤、導航定位等功能。感知系統(tǒng)包括外部環(huán)境感知系統(tǒng)及自身狀態(tài)感知系統(tǒng)，能夠為無人艇的決策與控制提供必要的數(shù)據(jù)源支持。
基于感知技術在無人艇領域的重要性，國內(nèi)外學者紛紛展開無人艇感知技術的研究。現(xiàn)有的無人艇感知技術理論主要分為2大類：1)無人艇外部環(huán)境感知，包括搭載雷達、聲吶、視覺傳感器、毫米波雷達(millimeter wave radar)及激光雷達(LiDAR)等多種傳感器來實現(xiàn)目標檢測、目標跟蹤等功能；2)無人艇自身狀態(tài)感知，包括搭載慣性測量單元(intertial measurement unit，IMU)、GPS等傳感器實現(xiàn)無人艇的自定位，這也是無人艇確定其相對于環(huán)境的位置的能力體現(xiàn)。
1 目標檢測
無人艇環(huán)境感知面臨一個嚴峻的問題是如何實現(xiàn)準確停靠岸和精準避障，而解決這個問題需要無人艇具備良好的水面目標檢測能力。針對目標檢測，現(xiàn)階段學者們主要考慮以下2種應用場景：第1種是面向避障功能的目標檢測，包括岸線、冰山、移動船只、航行中的不明障礙物等；第2種是面向作業(yè)功能的目標檢測，包括橋梁結構、港口設施以及水中生物、水體環(huán)境、海底結構等。
1.1 面向避障功能的目標檢測
針對避障進行的目標檢測是現(xiàn)階段學者們研究較多的領域，各國學者采用不同的傳感器，并改進算法進行USV航行過程中的目標檢測。
Xu等[11]提出了現(xiàn)階段利用全景攝像機分析水面情況的USV目標檢測研究現(xiàn)況，主要檢測航行過程中的非水物體，包括海岸線、航行危險物以及其他移動船只等。該方法通過利用卡爾曼濾波器來完成特征定位，能夠很好地檢測固定目標的特征。
展開 自動駕駛汽車感知系統(tǒng)關鍵技術綜述
2 感知系統(tǒng)
感知系統(tǒng)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(fā)事件，為采取必要操作以避免發(fā)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(guī)則，能夠?qū)崟r、可靠、準確識別并規(guī)劃出可保證規(guī)范、安全、迅速到達目的地的行駛路徑；③經(jīng)濟舒適性：為車輛高效、經(jīng)濟、平順行駛提供參考依據(jù)。目前，感知系統(tǒng)主要是利用傳感器、定位導航 、車聯(lián)通信（VehicIe-to-X，V2X）3種技術組合實現(xiàn)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(huán)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(huán)境是判別對自動駕駛車輛行駛影響比較大的變化環(huán)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(huán)境；激光感知是基于激光雷達采集的點云數(shù)據(jù)，通過濾波、聚類等技術，對環(huán)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(huán)境。3種環(huán)境感知方法的比較如表2所示。根據(jù)各類傳感器技術特點，不同應用場景和系統(tǒng)功能需求下，應選不同的傳感器技術。例如，在高速公路環(huán)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(huán)境中，由于環(huán)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(xiàn)在廣泛應用的各類高級駕駛員輔助系統(tǒng)ADAS使用各類傳感器，實現(xiàn)了相應的輔助駕駛功能，為實現(xiàn)完全自動駕駛奠定了基礎，如圖2所示。
展開 下午直播 | Ansys面向感知系統(tǒng)的仿真驗證技術
針對當前L3以上自動駕駛汽車開發(fā)對感知越來越多的應用需求，傳統(tǒng)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(xiàn)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(fā)需求。
一文詳解智能駕駛感知系統(tǒng)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(tǒng)迎來了新一輪的發(fā)展。交通應用的安全攸關場景給自動駕駛系統(tǒng)提出了更高的質(zhì)量保障要求。感知系統(tǒng)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(tǒng)安全可靠的有效且必要途徑。本文簡要分析了國內(nèi)外自動駕駛感知系統(tǒng)測試的研究現(xiàn)狀，并對圖像、激光雷達、以及感知融合測試方法和技術發(fā)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(fā)展。自動駕駛系統(tǒng)已經(jīng)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(tǒng)的核心，它使得車輛能夠分析并理解內(nèi)外交通環(huán)境信息。然而，與其他軟件系統(tǒng)一樣，自動駕駛感知系統(tǒng)困擾于軟件缺陷。并且，自動駕駛系統(tǒng)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(jīng)發(fā)生多起自動駕駛系統(tǒng)缺陷導致的人員傷亡事故。自動駕駛系統(tǒng)測試技術受到學術界和工業(yè)界的廣泛重視。企業(yè)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(nèi)的技術和環(huán)境。然而，由于自動駕駛系統(tǒng)輸入數(shù)據(jù)類型的特殊性和運行環(huán)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(tǒng)測試方法的研究和應用現(xiàn)狀。
1 自動駕駛感知系統(tǒng)測試
自動駕駛感知系統(tǒng)的質(zhì)量保障越來越重要。感知系統(tǒng)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(tǒng)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(xiàn)出了一個區(qū)別于傳統(tǒng)測試的重要特征，即對于測試數(shù)據(jù)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(tǒng)實現(xiàn)的模型結構機理為切入點的測試。
展開 
行業(yè)應用方案 | 面向無人駕駛感知系統(tǒng)的仿真驗證技術
Ansys 行業(yè)應用方案連載 | 面向無人駕駛感知系統(tǒng)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(fā)蓬勃地發(fā)展，滿足完全面向L3+的自動駕駛能力是未來兩年國內(nèi)外自動駕駛技術產(chǎn)品化的主要目標。對于L3+的自動駕駛系統(tǒng)需要在給定的運行區(qū)域內(nèi)，除了完成車輛橫向和縱向的控制外，還需要實現(xiàn)目標事件的檢查和響應。所以對于L3+的自動駕駛系統(tǒng)，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(tǒng)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(tǒng)的實車路試等測試手段已經(jīng)難以在有限的時間內(nèi)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(guī)模的要求，尤其是現(xiàn)實中偶有發(fā)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(tǒng)的感知和決策控制。數(shù)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(nèi)實現(xiàn)大規(guī)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(fā)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 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(jié)點，光學鄰近效應校正（OPC）、光源掩模聯(lián)合優(yōu)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(yōu)勢，在光源優(yōu)化（SO）中實現(xiàn)了高效的參數(shù)尋優(yōu)，大幅降低了計算復雜度。
然而，當優(yōu)化對象轉(zhuǎn)向掩模時，線性CS理論的局限性愈發(fā)凸顯——掩模圖形的像素級調(diào)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(yōu)化目標與掩模參數(shù)的關聯(lián)，直接影響OPC的校正精度與SMO的協(xié)同優(yōu)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(lián)，能夠適配掩模優(yōu)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(yōu)化問題提供了高效的求解路徑，二者共同構成了掩模優(yōu)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(fā)，系統(tǒng)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(yōu)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(yōu)化需求，更能通過梯度、Hessian矩陣的協(xié)同作用加速收斂，在保障優(yōu)化精度的同時，大幅提升計算效率。
展開 基于物聯(lián)網(wǎng)感知技術的智慧社區(qū)解決方案
終將渡過成長的海
01
正文
實現(xiàn)智能、人文、便捷、安全的生活環(huán)境，滿足社區(qū)居民生活、工作、學習、發(fā)展的需求；為政府、管理者和居民提供高效、安全、便捷的智慧化服務；為商業(yè)和服務機構創(chuàng)造積極參與構建社區(qū)融合服務體系的基礎環(huán)境，能讓其充分共享資源整合創(chuàng)造的商業(yè)價值，激勵其創(chuàng)新；最終將社區(qū)建成為資源節(jié)約、環(huán)境友好的綠色社區(qū)，人文宜居、生態(tài)文明 的宜居社區(qū)，社會和諧、民生幸福的幸福社區(qū)，促進城市的發(fā)展和進步的智慧社區(qū)。
一文了解面向無人駕駛感知系統(tǒng)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(fā)蓬勃地發(fā)展，滿足完全面向L3+的自動駕駛能力是未來兩年國內(nèi)外自動駕駛技術產(chǎn)品化的主要目標。對于L3+的自動駕駛系統(tǒng)需要在給定的運行區(qū)域內(nèi)，除了完成車輛橫向和縱向的控制外，還需要實現(xiàn)目標事件的檢查和響應。所以對于L3+的自動駕駛系統(tǒng)，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(tǒng)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(tǒng)的實車路試等測試手段已經(jīng)難以在有限的時間內(nèi)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(guī)模的要求，尤其是現(xiàn)實中偶有發(fā)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(tǒng)的感知和決策控制。數(shù)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(nèi)實現(xiàn)大規(guī)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(fā)流程。
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 