一点点更新哦~~ 我的IOV现在只局限在V2X里
不知道还有没有一起的同学 要不要建个群什么的~ 网上各种资料较少 希望有同行一起交流哦~~
QQ群64104075 / WeChat github -- whaosoft
V2X 车联网
(Vehicle to everything)是汽车、电子、信息通信、交通运输和交通管理等行业深度融合的新型产业形态。
C-V2X
(Cellular vehicle to everything,蜂窝车联网)无线通信技术,目前包括 LTE-V2X 和 NR-V2X,作为关键使能型技术,将有助于构建 “人-车-路-云” 协同的车联网产业生态体系。
通信: UU PC5
车载终端(TBOX)、车载娱乐系统(IVI)
VBOX 、RSU 、OBU
2018年三跨:
跨通信模组、跨终端、跨整车
2019年四跨:
跨芯片模组、跨终端、跨整车、跨安全平台
2020新四跨:
跨芯片模组、跨终端、跨整车、跨安全平台+高精地图和定位
去了2020和2021年,2023沈阳的四跨,所以在这里先说明一下哦~
BEV感知、毫米波雷达视觉融合、多传感器标定、多传感器融合、多模态3D目标检测、点云3D目标检测、目标跟踪、Occupancy、cuda与TensorRT模型部署、协同感知、语义分割、自动驾驶仿真、传感器部署、决策规划、轨迹预测等
点云分割 SemanticKITTI
多模态融合
针对Lidar、Radar、视觉等数据方案进行融合感知;
A Survey on Deep Domain Adaptation for LiDAR Perception
Automatic Target Recognition on Synthetic Aperture Radar Imagery:A Survey
Deep Multi-modal Object Detection and Semantic Segmentation for Autonomous Driving:Datasets, Methods, and Challenges
MmWave Radar and Vision Fusion for Object Detection in Autonomous Driving:A Review
Multi-Modal 3D Object Detection in Autonomous Driving:A Survey
Multi-modal Sensor Fusion for Auto Driving Perception:A Survey
Multi-Sensor 3D Object Box Refinement for Autonomous Driving
Multi-View Fusion of Sensor Data for Improved Perception and Prediction in Autonomous Driving
3D检测
对基于单目图像、双目图像、点云数据、多模态数据的3D检测方法进行了梳理;
3D Object Detection for Autonomous Driving:A Review and New Outlooks
3D Object Detection from Images for Autonomous Driving A Survey
A Survey of Robust LiDAR-based 3D Object Detection Methods for autonomous driving
A Survey on 3D Object Detection Methods for Autonomous Driving Applications
Deep Learning for 3D Point Cloud Understanding:A Survey
Multi-Modal 3D Object Detection in Autonomous Driving:a survey
Survey and Systematization of 3D Object Detection Models and Methods
目标检测综述
主要涉及通用目标检测任务、检测任务中的数据不均衡问题、伪装目标检测、自动驾驶领域检测任务、anchor-based、anchor-free、one-stage、two-stage方案等;
A Survey of Deep Learning for Low-Shot Object Detection
A Survey of Deep Learning-based Object Detection
Camouflaged Object Detection and Tracking:A Survey
Deep Learning for Generic Object Detection:A Survey
Imbalance Problems in Object Detection:A survey
Object Detection in 20 Years:A Survey
Object Detection in Autonomous Vehicles:Status and Open Challenges
Recent Advances in Deep Learning for Object Detection
目标检测数据增强与不均衡问题
主要涉及目标检测任务中的数据增强、小目标检测、小样本学习、autoargument等工作;
A survey on Image Data Augmentation for Deep Learning
Augmentation for small object detection
Bag of Freebies for Training Object Detection Neural Networks
Generalizing from a Few Examples:A Survey on Few-Shot
Learning Data Augmentation Strategies for Object Detection
分割综述
主要对实时图像分割、视频分割、实例分割、弱监督/无监督分割、点云分割等方案展开讨论;
A Review of Point Cloud Semantic Segmentation
A SURVEY ON DEEP LEARNING METHODS FOR SEMANTIC IMAGE SEGMENTATION IN REAL-TIME
A SURVEY ON DEEP LEARNING METHODS FOR SEMANTIC
A Survey on Deep Learning Technique for Video Segmentation
A Survey on Instance Segmentation State of the art
A Survey on Label-efficient Deep Segmentation-Bridging the Gap between Weak Supervision and Dense Prediction
A Technical Survey and Evaluation of Traditional Point Cloud Clustering for LiDAR Panoptic Segmentation
Evolution of Image Segmentation using Deep Convolutional Neural Network A Survey
On Efficient Real-Time Semantic Segmentation
Unsupervised Domain Adaptation for Semantic Image Segmentation-a Comprehensive Survey
多任务学习
对检测+分割+关键点+车道线联合任务训练方法进行了汇总;
Cascade R-CNN
Deep Multi-Task Learning for Joint Localization, Perception, and Prediction
Mask R-CNN
Mask Scoring R-CNN
Multi-Task Multi-Sensor Fusion for 3D Object Detection
MultiTask-CenterNet
OmniDet
YOLOP
YOLO-Pose
目标跟踪
对单目标和多目标跟踪、滤波和端到端方法进行了汇总;
Camouflaged Object Detection and Tracking:A Survey
Deep Learning for UAV-based Object Detection and Tracking:A Survey
Deep Learning on Monocular Object Pose Detection and Tracking:A Comprehensive Overview
Detection, Recognition, and Tracking:A Survey
Infrastructure-Based Object Detection and Tracking for Cooperative Driving Automation:A Survey
Recent Advances in Embedding Methods for Multi-Object Tracking:A Survey
Single Object Tracking:A Survey of Methods, Datasets, and Evaluation Metrics
Visual Object Tracking with Discriminative Filters and Siamese Networks:A Survey and Outlook
深度估计
针对单目、双目深度估计方法进行了汇总,对户外常见问题与精度损失展开了讨论;
A Survey on Deep Learning Techniques for Stereo-based Depth Estimation
Deep Learning based Monocular Depth Prediction:Datasets, Methods and Applications
Monocular Depth Estimation Based On Deep Learning:An Overview
Monocular Depth Estimation:A Survey
Outdoor Monocular Depth Estimation:A Research Review
Towards Real-Time Monocular Depth Estimation for Robotics:A Survey
关键点检测
人体关键点检测方法汇总,对车辆关键点检测具有一定参考价值;
2D Human Pose Estimation:A Survey
A survey of top-down approaches for human pose estimation
Efficient Annotation and Learning for 3D Hand Pose Estimation:A Survey
Recent Advances in Monocular 2D and 3D Human Pose Estimation:A Deep Learning Perspective
Transformer综述
视觉transformer、轻量级transformer方法汇总;
A Survey of Visual Transformers
A Survey on Visual Transformer
Efficient Transformers:A Survey
车道线检测
对2D/3D车道线检测方法进行了汇总,基于分类、检测、分割、曲线拟合等;
2D车道线
A Keypoint-based Global Association Network for Lane Detection
CLRNet:Cross Layer Refinement Network for Lane Detection
End-to-End Deep Learning of Lane Detection and Path Prediction for Real-Time Autonomous Driving
End-to-end Lane Detection through Differentiable Least-Squares Fitting
Keep your Eyes on the Lane:Real-time Attention-guided Lane Detection
LaneNet:Real-Time Lane Detection Networks for Autonomous Driving
Towards End-to-End Lane Detection:an Instance Segmentation Approach
Ultra Fast Structure-aware Deep Lane Detection
3D车道线
3D-LaneNet+:Anchor Free Lane Detection using a Semi-Local Representation
Deep Multi-Sensor Lane Detection
FusionLane:Multi-Sensor Fusion for Lane Marking Semantic Segmentation Using Deep Neural Networks
Gen-LaneNet:A Generalized and Scalable Approach for 3D Lane Detection
ONCE-3DLanes:Building Monocular 3D Lane Detection
3D-LaneNet:End-to-End 3D Multiple Lane Detection
SLAM综述
定位与建图方案汇总;
A Survey on Active Simultaneous Localization and Mapping-State of the Art and New Frontiers
The Revisiting Problem in Simultaneous Localization and Mapping-A Survey on Visual Loop Closure Detection
From SLAM to Situational Awareness-Challenges
Simultaneous Localization and Mapping Related Datasets-A Comprehensive Survey
模型量化
A Survey on Deep Neural Network CompressionChallenges, Overview, and Solutions
汽车智能化已然成为行业发展趋势,智能驾驶正在加速融入我们的生活,ADAS功能逐渐成为各类新款车型的标配,近年来,“行泊一体”概念也成为行业内热门话题,越来越多的厂商开始着重发力于研发“行泊一体”方案。我们看到,现阶段智能汽车行业正在大规模力推无限接近于L3的L2++或L2.9自动驾驶量产落地。在这一过程中,各种新技术层出不穷,而融合众多新技术的“行泊一体”方案受到车企们的推崇。
从本质上来说,行泊一体是行车场景与泊车场景的打通,需要实现包括拥堵跟车、自动变道、高速巡航、上下匝道、自动泊车等一系列技术打通,实现关键技术主要包括感知与定位、决策与规划、控制与执行等,行泊一体方案是ADAS向高阶自动驾驶进阶的必经之路。
#自动驾驶常用功能场景
在日常的城市用车过程中常常遇到各种各样的行车泊车场景,根据不同路段的行车泊车场景,组成了智能汽车常见的智能驾驶功能包括:
行车场景:
ACC,自适应巡航控制;ALC,自动变道辅助;TJA,交通拥堵辅助;LCC车道居中;NOA,领航辅助;
泊车场景:
APA,自动泊车辅助功能;RPA,遥控泊车辅助;SS,智能召唤功能;HPA,记忆泊车功能;AVP,自主代客泊车。
#发展形态及趋势
我们可以看到,要实现上述自动驾驶行车、泊车的功能,现阶段市场上大部分车型采用传统的分布式ADAS ECU(比如,智能摄像头一体机、泊车控制器、全景环视控制器)行泊分离式域控制器,即行车域控和泊车域控相分离,行车与泊车调用各自芯片和传感器。然而随着整车电子电气架构由分布式向域集中式演进,以及传感器和域控制器共用技术的成熟,正进一步加快“行泊一体”方案的量产落地。
相较行泊分离方案,行泊一体方案具备如下优势:
传感器共用,性能得到提升
提升软件开发效率,底层软件、中间件更通用,还可单独定制不同算法模块功能;
方便功能迭代,行泊一体域控制器通过部署分层式的软件架构,实现软硬件解耦,配备有百兆甚至千兆以太网接口,并且有更多的算力支持高级算法模型的部署,因此能够更好地支持功能的OTA升级。
降本增效,复用了控制器算力,节省控制器的硬件成本,简化域控制器的硬件接口,减少布线长度,进而有效降低整车的复杂度,降低整个控制器的生产成本。
文章浏览阅读3.2k次。本文研究全球与中国市场分布式光纤传感器的发展现状及未来发展趋势,分别从生产和消费的角度分析分布式光纤传感器的主要生产地区、主要消费地区以及主要的生产商。重点分析全球与中国市场的主要厂商产品特点、产品规格、不同规格产品的价格、产量、产值及全球和中国市场主要生产商的市场份额。主要生产商包括:FISO TechnologiesBrugg KabelSensor HighwayOmnisensAFL GlobalQinetiQ GroupLockheed MartinOSENSA Innovati_预计2026年中国分布式传感器市场规模有多大
文章浏览阅读1.1k次,点赞2次,收藏12次。常用组合逻辑电路结构——为IC设计的延时估计铺垫学习目的:估计模块间的delay,确保写的代码的timing 综合能给到多少HZ,以满足需求!_基4布斯算法代码
文章浏览阅读3.3k次,点赞3次,收藏5次。OpenAI Manager助手(基于SpringBoot和Vue)_chatgpt网页版
文章浏览阅读2.2k次。USACO自1992年举办,到目前为止已经举办了27届,目的是为了帮助美国信息学国家队选拔IOI的队员,目前逐渐发展为全球热门的线上赛事,成为美国大学申请条件下,含金量相当高的官方竞赛。USACO的比赛成绩可以助力计算机专业留学,越来越多的学生进入了康奈尔,麻省理工,普林斯顿,哈佛和耶鲁等大学,这些同学的共同点是他们都参加了美国计算机科学竞赛(USACO),并且取得过非常好的成绩。适合参赛人群USACO适合国内在读学生有意向申请美国大学的或者想锻炼自己编程能力的同学,高三学生也可以参加12月的第_usaco可以多次提交吗
文章浏览阅读394次。1.1 存储程序1.2 创建存储过程1.3 创建自定义函数1.3.1 示例1.4 自定义函数和存储过程的区别1.5 变量的使用1.6 定义条件和处理程序1.6.1 定义条件1.6.1.1 示例1.6.2 定义处理程序1.6.2.1 示例1.7 光标的使用1.7.1 声明光标1.7.2 打开光标1.7.3 使用光标1.7.4 关闭光标1.8 流程控制的使用1.8.1 IF语句1.8.2 CASE语句1.8.3 LOOP语句1.8.4 LEAVE语句1.8.5 ITERATE语句1.8.6 REPEAT语句。_mysql自定义函数和存储过程
文章浏览阅读188次。半导体二极管——集成电路最小组成单元。_本征半导体电流为0
文章浏览阅读2.8k次,点赞3次,收藏18次。游戏水面特效实现方式太多。咱们这边介绍的是一最简单的UV动画(无顶点位移),整个mesh由4个顶点构成。实现了水面效果(左图),不动代码稍微修改下参数和贴图可以实现岩浆效果(右图)。有要思路是1,uv按时间去做正弦波移动2,在1的基础上加个凹凸图混合uv3,在1、2的基础上加个水流方向4,加上对雾效的支持,如没必要请自行删除雾效代码(把包含fog的几行代码删除)S..._unity 岩浆shader
文章浏览阅读5k次。广义线性模型是线性模型的扩展,它通过连接函数建立响应变量的数学期望值与线性组合的预测变量之间的关系。广义线性模型拟合的形式为:其中g(μY)是条件均值的函数(称为连接函数)。另外,你可放松Y为正态分布的假设,改为Y 服从指数分布族中的一种分布即可。设定好连接函数和概率分布后,便可以通过最大似然估计的多次迭代推导出各参数值。在大部分情况下,线性模型就可以通过一系列连续型或类别型预测变量来预测正态分布的响应变量的工作。但是,有时候我们要进行非正态因变量的分析,例如:(1)类别型.._广义线性回归模型
文章浏览阅读69次。环境保护、 保护地球、 校园环保、垃圾分类、绿色家园、等网站的设计与制作。 总结了一些学生网页制作的经验:一般的网页需要融入以下知识点:div+css布局、浮动、定位、高级css、表格、表单及验证、js轮播图、音频 视频 Flash的应用、ul li、下拉导航栏、鼠标划过效果等知识点,网页的风格主题也很全面:如爱好、风景、校园、美食、动漫、游戏、咖啡、音乐、家乡、电影、名人、商城以及个人主页等主题,学生、新手可参考下方页面的布局和设计和HTML源码(有用点赞△) 一套A+的网_垃圾分类网页设计目标怎么写
文章浏览阅读614次,点赞7次,收藏11次。之前找到一个修改 exe 中 DLL地址 的方法, 不太好使,虽然能正确启动, 但无法改变 exe 的工作目录,这就影响了.Net 中很多获取 exe 执行目录来拼接的地址 ( 相对路径 ),比如 wwwroot 和 代码中相对目录还有一些复制到目录的普通文件 等等,它们的地址都会指向原来 exe 的目录, 而不是自定义的 “lib” 目录,根本原因就是没有修改 exe 的工作目录这次来搞一个启动程序,把 .net 的所有东西都放在一个文件夹,在文件夹同级的目录制作一个 exe._.net dll 全局目录
文章浏览阅读1.5k次。本文为转载,原博客地址:http://blog.csdn.net/hujingshuang/article/details/46910259简介 BRIEF是2010年的一篇名为《BRIEF:Binary Robust Independent Elementary Features》的文章中提出,BRIEF是对已检测到的特征点进行描述,它是一种二进制编码的描述子,摈弃了利用区域灰度..._breif description calculation 特征点
文章浏览阅读4.1k次,点赞21次,收藏79次。本文是《基于SpringBoot的房屋租赁管理系统》的配套原创说明文档,可以给应届毕业生提供格式撰写参考,也可以给开发类似系统的朋友们提供功能业务设计思路。_基于spring boot的房屋租赁系统论文