宝马集团作为董事会成员加入百度Apolo自动驾驶

正百度公司和宝马集团签署了一份谅解备忘录(Mo U),根据该谅解备忘录,宝马集团将作为百度董事会成员,加入百度开放的自动驾驶平台Apollo。该谅解备忘录标志着宝马集团和百度在自动驾驶方面开始了新的合作伙伴关系。这两家公司共同致力于合作,为中国的消费者带来安全、方便和智能的移动性体验。宝马集团正在开发一个自动驾驶平台,提供3级至4/5级(高度自动驾驶)的技术解决方案,以及先进的驾     

Elektrobit：以软件“赋能”自动驾驶汽车

<正>若将过去的汽车看作会行驶的硬件设备,那么,未来汽车则是被诸多软件"赋能"的智慧交通工具。与此同时,自动驾驶技术飞速发展,自动驾驶汽车离不开软件"加持"。近日,Elektrobit与百度Apollo宣布建立战略合作伙伴关系,Elektrobit将为百度Apollo专为自动驾驶开发的先进车载计算平台ACU提供底层技术支持,并通过合作来助推自动驾驶汽车的发展。     

安森美半导体推出用于ADAS和自动驾驶的可扩展图像传感器平台;高达8.3MP的分辨率

正安森美半导体公司宣布推出一款可扩展的CMOS图像传感器系列,以满足先进驾驶辅助系统(ADAS)和自动驾驶的应用范围。该传感器具有的分辨率范围从8.3百万像素(MP)到1.2MP,具有业界领先的4.2μm像素的低照度性能。该AR0820AT、AR0220AT和AR0138AT组成一个可扩展的图像传感器系列,其为新一代ADAS和自动驾驶系统提供分辨率系列范围。其他功能还包括高达AS12-e的功能安全性,高的动态范围(HDR),一个行业首创的安全选项,以及     

基于LGSVL/Apollo的网络延迟攻击下自动驾驶车辆定位估算

为提高网络延迟攻击下自动驾驶车辆定位估计算法的精确度,研究了延迟模型下自动驾驶车辆定位的无偏差有限脉冲响应(UFIR)估计器设计方法,并仿真实验。搭建延迟攻击下的车辆运动学模型,拓展模型至有限长度的时间窗口,推导UFIR算法按批处理式与迭代式表达形式,分析Apollo系统各功能模块的数据流动,基于LG开源自动驾驶仿真器(LGSVL)与Apollo系统,搭建联合仿真测试平台并开展实验。结果表明:与Kalman滤波器(KF)相比,该算法估计精确度更高;当延迟数据出现较大变化时,算法响应速度更快,波动幅值更小,鲁棒性更强。当数据延迟时间小于等于1 s时,估计效果良好。因而,验证了基于LGSVL与Apollo系统进行自动驾驶仿真实验的可行性。     

安森美拓展图像传感器业务

正自动驾驶技术的发展带动了图像传感器市场的快速增长,安森美半导体在原有芯片供应的基础上推出了完整的图像传感器产品线,并制定了详细的技术路线发展图。2018上海国际机器视觉展上,安森美半导体介绍了其在图像传感器领域的最新技术及市场战略。近年来,汽车、工业以及消费电子领域对于智能化发展的快速需求,推动了整个图像传感器市场的发展。正是看到了这一巨大市场潜力,安森美半     

福特与Lyft在自主驾驶上进行合作

正福特与Lyft在自主驾驶上进行合作,福特通过其自驾车和ArgoAI的虚拟驾驶系统继续发展其自主驾驶技术,Lyft拥有一个客户网络不断增长的乘客需求并且对城市内部交通运输知识的了解程度很高,这两家公司都拥有车队管理和大数据经验。福特和Lyft将共同努力探索:如何创建一个技术平台可以轻松连接到合作伙伴的平台(如Lyft的平台)以有效地派遣自驾车。根据共享     

大众集团与微软深入合作自动驾驶技术

正大众汽车集团进一步强化自身在自动驾驶解决方案领域的开发能力。集团旗下软件公司Car.Software将与微软展开合作,在微软Azure平台上构建基于云计算的自动驾驶平台(ADP),同时借助Azure的计算和数据处理能力加快在全球范围内推出自动驾驶。通过在Azure上运行自动驾驶平台,Car.Software公司将进一步提升集团旗下各品牌乘用车高级驾驶辅助系统(ADAS)和自动驾驶功能的开发效率。     

现代Mobis开发自主逆驾驶技术

一级供应商现代Mobis已经开发出反向驾驶技术,当汽车反向行驶时,驾驶员不必操作方向盘就可以自主驾驶。虽然已经有一种被称为停车辅助系统（PA）的功能其可以在倒车时自主驾驶汽车,但这是首次专门开发的支持反向驾驶的一种技术。从这项技术开始,现代Mobis计划进一步确保自主反向驾驶技术。     

新闻

<正>德尔福将与Ottomatika携手为业内提供领先的自动驾驶解决方案全球领先的汽车零部件制造商德尔福汽车公司将联合Ottomatika,Inc.开发新技术,以加快推动自动驾驶技术的发展。作为首家推出汽车雷达系统的公司,德尔福将其主动安全技术与Ottomatika的自动驾驶软件进行集成,形成一个全新的技术平台,使车辆在市内道路或高速公路环境下能够自主做出决策。该平台适应性强,可通过更新软件的方式进行扩展或升级。此外,它还将支持"车辆与环境"(V2X)通信。     

基于计算机视觉的驾驶状态监控实验平台

基于计算机视觉,构建了一个驾驶状态监控实验平台,平台硬件部分包含CCD摄像机、嵌入式计算机、告警装置等,软件部分包含图像采集模块、图像特征提取模块等.该系统可安装在普通汽车上,实时地定位驾驶员的脸部、眼睛的位置,为进行驾驶行为分析、实时监控等实验提供基础数据.系统的应用,对防止不安全驾驶行为,提高交通安全有着重要意义.     

福特收购Quantum Signal补充自动驾驶软件能力

<正>据悉,福特收购了一家位于密歇根州的小型机器人公司,名为Quantum Signal(量子信号),旨在推动自动驾驶研发进程。Quantum Signal创立于1999年,拥有大量移动机器人客户,其中包括美国军方。Quantum Signal的专长是为机器人车辆构建远程控制软件,同时还负责为自主和遥控机器人系统提供备受推崇的模拟测试和开发环境。福特利用其经验开发实时模拟和算法相关的自主车辆控制系统,可以帮助建立自动驾驶车辆的研究生产。     

全球冷门超跑TOP10

Gumpert Apollo Gumpert是一家德国跑车制造厂商,于2006年成立,它家最广为人知的车型就是是阿波罗(Apollo)了.2008年,Apollo S曾出现在英国著名的汽车节目Top Gear中,节目的御用车手Stig驾驶Apollo S跑出了1分17秒01的单圈成绩,登顶当季圈速榜冠军,远远超过榜单的布加迪威龙以及帕加尼Zonda,为此不少赛车游戏将Apollo设定为最难获取的S级跑车.     

Ridecel收购Auro,推出完整的自主移动性解决方案

正Ridecell公司,一家分享和分散运营商平台,收购了位于加州的自主车辆技术开发商Auro。在全股交易中,Ridecell还宣布公开提供其已经成功用于自主试点项目的自主运营平台。对Auro的收购将带来专业知识,加速Ridecell自主运营平台的功能。Auro团队将成为Ridecell自主驾驶部门,Ridecell将能够通过在私人道路环境中集成支持Auro的无人驾驶班车,在现实环境中测试其自主操作平台。     

国务院鼓励人工智能与交通运输融合创新

<正>日前,国务院发布《新一代人工智能发展规划》(简称《规划》),提出推动人工智能与各行业融合创新,智能载运工具、智能物流等交通运输领域多项重点位列其中。智能运载工具方面,《规划》明确,发展自动驾驶汽车和轨道交通系统,加强车载感知、自动驾驶、车联网、物联网等技术集成和配套,开发交通智能感知系统,形成我国自主的自动驾驶平台技术体系和产品总     

大陆集团联合英伟达助力全球人工智能自动化驾驶汽车的生产

正大陆集团与英伟达近日宣布将联合开发基于NVIDIA DRIVE~(TM)平台的人工智能自主驾驶汽车系统。新系统将具备3级自动化驾驶功能,并计划于2021年正式上市。这次合作将使人工智能计算机系统的研发等级从2级自动化驾驶功能升级至5级自动化驾驶能力,让汽车转向盘和踏板成为历史。双方将共同开发基于NVIDIA DRIVE平台的自动化驾驶解决方案。新解决方案中包含有NVIDIA DRIVE     

基于DH-CG300图像采集卡的图像采集平台的开发

图像采集是数字化图像处理的第一步,因此开发图像采集平台是任何视觉系统开发的基础.介绍了DH-CG300图像采集卡的工作原理、流程、系统函数库,在此基础上讨论了一种图像采集平台的开发步骤,包括图像采集卡参数设置、图像数据传递和图像处理流程;给出了在此平台上进行图像反色处理的实例.     

一种重型汽车电子电气平台架构的自主开发及应用

以重汽商用车公司的C7系列车型为基础,构建企业特色的整车电控系统电子电气平台架构,划分整车电气网络,制定各个系统功能规范。基于开发的整车电控系统电子电气平台架构,进行了架构中关键控制器件的车辆管理控制单元和车身控制单元的功能规划与应用层软件开发,使整车电气系统具备功能多元化、系统网络化、驾驶安全化,在平台化的基础上开发新车型的电子电气系统,将有效地缩短开发周期、降低开发成本、提高产品性能与品质。     

丰田研究院展示第2代自主测试车辆

正丰田研究院(TRI)在加州Sonoma举行的该公司普锐斯(Prius)挑战赛上展示了其第2代先进的安全研究车辆,该全新的测试车辆被用来探索全方位的自动驾驶功能。该新的先进安全研究车辆是完全由TRI开发的首款自主测试平台,TRI的CEO Gill Pratt说。该系统是计算丰富和感知丰富的,注重于机器视觉和机器学习。分层和重叠的激光雷达、雷达和摄像头传感器阵列减少了对高清地图依赖的需要——尤其是对短期系统,其被设计来用于地图上     

基于改进GAN的端到端自动驾驶图像生成方法

基于端到端数据系统的自动驾驶系统对驾驶图像存在巨大需求。为解决一般生成式对抗网络模型在扩充驾驶图像数据集时不稳定及生成图像特征缺乏多样性的问题,研究1种改进网络模型LS-InfoGAN。结合最小二乘对抗损失防止模型梯度消失,并缓解生成器优化矛盾,提升模型训练稳定性。通过最大化生成图像与真实图像间的互信息提升生成器特征学习能力,改善生成图像特征多样性。利用转置卷积层还原图像特征,提升生成图像特征清晰度。以自主构建的模拟驾驶场景中获取的带标签驾驶图像集对模型有效性及其数据集扩充应用效果进行验证。实验分析表明:相比改进前模型,LS-InfoGAN模型的图像生成过程稳定性平均提升35%;使用此模型扩充的数据集进行端到端自动驾驶系统中决策网络的训练能在不采集新图像的情况下将系统决策性能提升1%~2%;建议使用此模型扩充图像数据集时将生成图像数量设置为原始训练集图像数量的1~2倍。      

开放的融合平台简化自动驾驶功能开发

正由著名研究机构、大学、IT公司及汽车行业公司组成的研究网络,开发出了配备开放界面(开放融合界面,缩写为OFP)的最新系列融合平台。汽车制造商可利用该平台来高度且全面整合自动化驾驶辅助功能,实现自动驾驶,且极具成本效益。联邦教育和研究部为该项目提供了440万欧元资助。该项目耗时3年时间完成,并成功将首个全自动驾驶功能整合到3辆演示车上。在执行的场景中,一辆电