网络基础结构—九头蛇网络(HydraNets)由主干(Backbone)、颈部(Neck)) 与多个分支头部(Head)共同组成。主干层将原始视频数据通过残差神经网络(RegNet)及多尺度特征融合结构(BiFPN)完成端到端训练,提取出颈部层的多尺度视觉特征空间 (multiscale features ),最后在头部层根据不同任务类型完成子网络训练并输出感知结果
AI 不仅限于大模型,自动驾驶才是 AI 最全面的应用在华泰证券 2023 年中期投资峰会上,海外科技组举办了《AI 与自动驾驶产业,与 CXO 领导对话》,并邀请了多位自动驾驶初创企业的领导,以开放到封闭场景、商用车到乘用车的顺序进行分享。我们认为目前市场关注度较高的大模型只是 AI 的一部分,而自动驾驶才是应用落地最全面的 AI 领域。自动驾驶涉及即时感知、决策、执行、对环境的理解、以及预测路面情况等,其中的数据处理均需应用机器学习、计算机视觉等深度学习算法;在处理长尾问题时,更需运用生成式
1.自动驾驶芯片将是拥有巨量增长潜力的市场。头部是 Mobileye、英伟达这样的巨头,还有从移动芯片市场杀出的华为海思和高通等厂商,老牌汽车半导体厂商们也在加快布局,如黑芝麻一样的 AI 芯片公司将成为重要的后起之秀。2.功能集中已经成为行业发展趋势,驾驶座舱一体化进程加速。无论是自动驾驶还是智能座舱领域,功能集中已然成为行业发展的必然趋势。随着传感器数量和种类逐渐增多,将不同功能的计算芯片集成到一块板子上,对各传感器的原始感知信息实行后端融合计算成为必然选择。3.中国或将成为全球最大的自动驾
◆ 市场概括:激光雷达 3D 感知性能优越,应用市场广阔。激光雷达是利用激光实现 3D 感知的现代光学遥感技术,具备主动探测、高分辨率和强抗干扰的特性,通过线扫描和点阵扫描的方式可以实现三维感知,配合全球定位系统及惯性导航系统更能实现高精度定位,因而被广泛应用在工业测量、环境测绘及智能驾驶当中。 ◆ 产业阶段:高阶智能驾驶呼之欲出,激光雷达蓝海开启。智能驾驶多传感器融合成趋势,L3+阶段激光雷达能增强驾驶系统的可靠性、冗余性,并且借助差异化竞争优势,有望成为除特斯拉外的造车新势力实现弯
当无人驾驶汽车行驶时,其防撞系统若做出错误决定可能引发灾难发生。据外媒报道,加州大学尔湾分校(University of California, Irvine,UCI)的研究人员发现了另一种可能的风险:如果路边放置有普通物体,自动驾驶汽车可能会被欺骗突然停止或做出其他意外驾驶行为。 图片来源:UCI UCI计算机科学教授Qi Alfred Chen表示:“盒子、自行车或交通锥都可能使无人驾驶车辆在街道中间或高速公路出口匝道上忽然停车,从而给其他驾驶员和行人带来危险
多传感器融合感知大势所趋,高等级自动驾驶中激光雷达不可或缺 尽管 Tesla 坚持纯视觉自动驾驶方案,但从安全性角度,基于摄像头的视觉方案在暗光、环境大光比以及雨水遮挡的情况下容易失效,且深度学习算法难避免长尾效应。从商业角度,大多数厂商缺乏 Tesla的数据和算法积累,跟随 Tesla 方案难免处于被动境地。目前多传感器融合感知路线已成为绝大多数厂家共识,激光雷达通过发射激光来测量物体与传感器之间精确距离,具有测距远、受环境光照影响小等特点,可弥补摄像头和毫米波雷达的缺陷,显著提升自动驾驶系