色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

傳感器融合,挑戰(zhàn)重重!

傳感器技術(shù) ? 來(lái)源:半導(dǎo)體行業(yè)觀察 ? 2023-07-10 15:07 ? 次閱讀

針對(duì)多種數(shù)據(jù)類型正在探索多種方法,但現(xiàn)在說(shuō)哪一種最好,或者其中任何一種是否會(huì)縮短自動(dòng)駕駛汽車的上市時(shí)間還為時(shí)過(guò)早。

自動(dòng)駕駛汽車的一個(gè)關(guān)鍵策略是能夠?qū)⒍鄠€(gè)傳感器的輸入融合在一起,這對(duì)于做出安全可靠的決策至關(guān)重要,但事實(shí)證明這比最初想象的要困難得多。

有多個(gè)問(wèn)題需要解決,包括如何對(duì)不同類型的數(shù)據(jù)進(jìn)行分區(qū)、優(yōu)先級(jí)排序和最終組合,以及如何構(gòu)建車輛內(nèi)的處理架構(gòu),以便車輛能夠足夠快地根據(jù)這些不同的數(shù)據(jù)類型做出決策,以避免事故。對(duì)于如何實(shí)現(xiàn)這一目標(biāo),沒(méi)有單一的最佳實(shí)踐,這就是為什么許多汽車原始設(shè)備制造商采取截然不同的方法的原因。這也有助于解釋為什么今天道路上還沒(méi)有完全自動(dòng)駕駛的車輛。

“可以通過(guò)三種主要方法來(lái)看待這個(gè)問(wèn)題,” Siemens Digital Industries Software混合物理和虛擬系統(tǒng)、汽車和軍用航空副總裁 David Fritz 說(shuō)道?!耙环N方法是在處理之前融合來(lái)自多個(gè)傳感源的原始數(shù)據(jù)。雖然這種方法可以降低功耗,但一個(gè)傳感器陣列的不良數(shù)據(jù)可能會(huì)污染其他傳感器的良好數(shù)據(jù),從而導(dǎo)致不良結(jié)果。此外,大量原始數(shù)據(jù)的傳輸還帶來(lái)了帶寬、延遲和系統(tǒng)成本等其他挑戰(zhàn)?!?/p>

第二種方法是對(duì)象融合,其中每個(gè)傳感器處理數(shù)據(jù)并將其特定于傳感器的處理結(jié)果表示為對(duì)其檢測(cè)到的內(nèi)容的解釋。“這具有無(wú)縫集成機(jī)載傳感器結(jié)果的優(yōu)點(diǎn)?;A(chǔ)設(shè)施傳感器以及其他車輛上的傳感器,”弗里茨說(shuō)。“這種方法的挑戰(zhàn)是對(duì)象的通用表示和標(biāo)記,以便它們可以在不同的車輛和基礎(chǔ)設(shè)施之間共享。

第三種選擇——也是我們認(rèn)為從功耗、帶寬和成本角度來(lái)看最引人注目的一種——是前兩種方法的混合。在這種方法中,物體被傳感器檢測(cè)到但不被分類。在這種情況下,物體的點(diǎn)云被傳輸?shù)綑C(jī)載中央計(jì)算系統(tǒng),該系統(tǒng)對(duì)來(lái)自內(nèi)部和外部不同傳感器的點(diǎn)云進(jìn)行分類(標(biāo)記)。這顯著降低了帶寬和延遲要求,降低了傳感器的成本和負(fù)載,并允許車輛解釋或分類,

汽車生態(tài)系統(tǒng)中的討論才剛剛開(kāi)始,還有很多挑戰(zhàn)需要克服。

“你需要弄清楚你擁有哪些對(duì)象,以及何時(shí)使用它們,” Arteris IP業(yè)務(wù)開(kāi)發(fā)副總裁 Frank Schirrmeister 說(shuō)道。“所有的格式都非常不同。如果您正在研究激光雷達(dá),就會(huì)發(fā)現(xiàn)一些帶有距離的時(shí)髦地圖。在相機(jī)中,它是RGB,并且有一組像素。有了熱量,還有別的東西。即使在關(guān)聯(lián)和融合所有這些內(nèi)容之前,您也需要以某種方式理解這些格式。從架構(gòu)的角度來(lái)看,這可能導(dǎo)致最需要在傳感器處或靠近傳感器處進(jìn)行處理。然后,在不同位之間完成對(duì)象關(guān)聯(lián)。但你需要弄清楚細(xì)節(jié),比如物體有多熱、物體有多遠(yuǎn)等。這些不同傳感器的維恩圖具有一組重疊的特征,其中一些比其他傳感器更好?!?/p>

傳感器融合是一個(gè)快速創(chuàng)新的領(lǐng)域,得益于算法的不斷改進(jìn)和芯片行業(yè)對(duì) SoC 架構(gòu)的深入了解。

“傳感器融合的一個(gè)共同點(diǎn)是需要異構(gòu)處理方法,因?yàn)樗枰Y(jié)合信號(hào)處理——通常使用 DSP、專用加速器上的人工智能處理以及使用 CPU 的控制代碼,”高級(jí)工程師 Markus Willems 說(shuō)。新思科技產(chǎn)品經(jīng)理?!案鶕?jù)傳感器的類型,需要支持不同的數(shù)據(jù)類型。這包括用于圖像數(shù)據(jù)的 8 位整數(shù)處理,或用于雷達(dá)處理的 32 位單精度 (SP) 浮點(diǎn),而 AI 處理可能需要 bfloat16 等。在單芯片上運(yùn)行不同類型的處理器需要復(fù)雜的軟件開(kāi)發(fā)流程,利用優(yōu)化的 C/C++ 編譯器和函數(shù)庫(kù),以及支持最新神經(jīng)網(wǎng)絡(luò)(包括傳感器融合中使用的變壓器)的圖形映射工具。內(nèi)存、帶寬和延遲是關(guān)鍵的設(shè)計(jì)參數(shù),設(shè)計(jì)人員希望看到處理器仿真模型和 SoC 架構(gòu)探索工具的早期可用性,以檢查假設(shè)場(chǎng)景?!?/p>

雖然傳感器融合在汽車領(lǐng)域受到廣泛關(guān)注,但它對(duì)于其他市場(chǎng)也很有用。

Cadence Tensilica IP 小組產(chǎn)品管理組總監(jiān) Pulin Desai 表示:“我們專注于汽車領(lǐng)域,因?yàn)閿z像頭、雷達(dá)中將會(huì)有圖像傳感器,或許還有激光雷達(dá)。”“機(jī)器人應(yīng)用中還可能有圖像傳感器和 IMU??赡苡卸鄠€(gè)圖像傳感器,并且您將融合這些東西。其他傳感器包括陀螺儀、磁力計(jì)、加速度計(jì),這些傳感器在許多不同的領(lǐng)域以多種不同的方式使用。雖然汽車方面?zhèn)涫荜P(guān)注,但家用掃地機(jī)器人也使用相同的圖像傳感器和雷達(dá)傳感器。它可能具有與無(wú)人機(jī)非常相似的架構(gòu)。任何類型的無(wú)人駕駛車輛都具有此類傳感器。”

有大量數(shù)據(jù)流入。弄清楚在哪里處理所有數(shù)據(jù)是一個(gè)挑戰(zhàn),部分原因是并非所有數(shù)據(jù)都采用相同的格式。

“這里存在經(jīng)典的邊緣計(jì)算情況,您需要決定如何平衡整個(gè)鏈條的處理 - 從模擬世界獲取數(shù)據(jù)的地方,到在大腦中做出決定或與駕駛員交互的地方混合使用模型,”Arteris 的 Schirrmeister 說(shuō)道?!皩?duì)象關(guān)聯(lián)聽(tīng)起來(lái)更現(xiàn)實(shí),但也存在各種各樣的挑戰(zhàn)。熱雷達(dá)、激光雷達(dá)和雷達(dá)都使用不同的類型來(lái)表示數(shù)據(jù)。如果您查看激光雷達(dá),因?yàn)樗举|(zhì)上是為您提供一定距離內(nèi)的點(diǎn),所以這是與從相機(jī)獲得的數(shù)據(jù)完全不同類型的數(shù)據(jù)。將這些全部關(guān)聯(lián)起來(lái)當(dāng)然不是一件小事,并且可能需要大量計(jì)算。更重要的是,您還需要確定不同的項(xiàng)目是否彼此不一致。如果是這樣,你選擇什么?你使用一些平均值嗎?對(duì)于所有這些傳感器的組合來(lái)說(shuō)絕對(duì)是一個(gè)挑戰(zhàn)?!?/p>

當(dāng)談到數(shù)據(jù)的實(shí)際融合時(shí),西門子的弗里茨觀察了多種方法?!霸谠缙诘囊恍﹪L試中,NVIDIA 迅速起步,他們說(shuō),‘我們可以做很多人工智能的事情。當(dāng)傳感器數(shù)據(jù)傳入時(shí),我們可以使用高端 GPU,嘗試降低其功耗,然后使用神經(jīng)網(wǎng)絡(luò)對(duì)其進(jìn)行處理。”這就是幾年前我們?cè)诤髠湎渲邪惭b一個(gè)必須進(jìn)行水冷卻的機(jī)架的原因。然后,激光雷達(dá)人員會(huì)說(shuō),‘我知道你不能為每臺(tái)激光雷達(dá)支付 20,000 美元,所以我們正在努力讓激光雷達(dá)更便宜。有人說(shuō),‘好吧,等一下。相機(jī)大概是35美分。我們?yōu)槭裁床环胖靡欢严鄼C(jī)并將所有這些融合在一起呢?這是幾年前開(kāi)始的,采用的是一種蠻力的、幾乎是腦死亡的方法。這就是方法,“我有原始激光雷達(dá)數(shù)據(jù)。我有原始相機(jī)數(shù)據(jù)。我有雷達(dá)、激光雷達(dá)、攝像頭。我如何將所有這些放在一起?人們做了一些瘋狂的事情,比如將激光雷達(dá)數(shù)據(jù)轉(zhuǎn)換為 RGB?!拔覀冇卸鄠€(gè)幀,因?yàn)橛芯嚯x信息。然后我們將通過(guò)最簡(jiǎn)單的卷積神經(jīng)網(wǎng)絡(luò)運(yùn)行它來(lái)嘗試檢測(cè)對(duì)象并對(duì)它們進(jìn)行分類。這就是事情的嚴(yán)重程度。但有些人仍在嘗試這樣做?!?/p>

相比之下,特斯拉仍然主要依賴攝像頭數(shù)據(jù)。弗里茨說(shuō),這是可能的,因?yàn)榱Ⅲw相機(jī)的功能,甚至是單聲道相機(jī)中固定時(shí)間段內(nèi)的連續(xù)幀,使用視差來(lái)確定深度。“正因?yàn)槿绱耍麄冋f(shuō),‘為什么我需要激光雷達(dá)?因?yàn)槲覜](méi)有激光雷達(dá),所以我沒(méi)有傳感器融合問(wèn)題。它只是簡(jiǎn)化了事情。但是假設(shè)相機(jī)上的鏡頭被水或污垢覆蓋。他們有這些問(wèn)題需要擔(dān)心。在極端的另一端,如果你完全依賴激光雷達(dá),我見(jiàn)過(guò)這樣的場(chǎng)景:你有一個(gè)人穿過(guò)街道的 2D 表示,而汽車認(rèn)為這是一個(gè)真人。為什么?因?yàn)榉瓷?。激光雷達(dá)發(fā)生了各種各樣人們不知道的事情。

融合不同的數(shù)據(jù)類型還取決于存在的傳感器類型?!叭藗冋谡?wù)撛缙?、中期和晚期融合,”Cadence 的 Desai 說(shuō)?!斑@一切都取決于我們的客戶和我們客戶的客戶的系統(tǒng)設(shè)計(jì),這表明他們正在嘗試解決什么類型的問(wèn)題。我們對(duì)其中一些事情是不可知的,因?yàn)榱Ⅲw傳感器可以進(jìn)行早期融合或后期融合,因?yàn)槟愕膱D像和數(shù)據(jù)都已經(jīng)識(shí)別了物體,并且你可以對(duì)其進(jìn)行后期融合。還可能存在中間融合,這更像是系統(tǒng)供應(yīng)商選擇他們想要如何進(jìn)行融合,他們想要做多少計(jì)算,信息有多強(qiáng)大,或者他們?cè)噲D解決什么類型的問(wèn)題解決。這有多難?嗯,這取決于融合的類型?!?/p>

傳感器融合的類型

624f3560-1ec8-11ee-962d-dac502259ad0.png

圖 1:不同的融合選項(xiàng)。來(lái)源:Cadence

Desai 說(shuō),另一個(gè)需要考慮的因素是何時(shí)使用它們,或者經(jīng)典 DSP 是否更合適,尤其是在人們對(duì) AI/ML 技術(shù)高度關(guān)注的情況下?!拔覍⑽覀冞^(guò)去所做的一些事情與我們今天所做的事情進(jìn)行了比較。在某些問(wèn)題上,你可以通過(guò)某種確定性的方式利用人工智能實(shí)現(xiàn)非常高的成功率。例如,我們?cè)?012年和2013年做人臉和人物檢測(cè)時(shí),我們使用了經(jīng)典的計(jì)算機(jī)視覺(jué)算法,但當(dāng)時(shí)它們不是很準(zhǔn)確。達(dá)到準(zhǔn)確度是非常困難的。然后,當(dāng)我們轉(zhuǎn)向人工智能時(shí),我們?cè)谌四槞z測(cè)和人物檢測(cè)方面獲得了非常強(qiáng)大的性能。所以現(xiàn)在有一個(gè)非常確定的情況,你會(huì)說(shuō),‘我要做人臉檢測(cè),我可以達(dá)到人類所說(shuō)的 99% 的準(zhǔn)確率,而人工智能可以給我 97% 的準(zhǔn)確率。為什么我需要玩一些不夠好的東西?我會(huì)去使用這個(gè)人工智能,因?yàn)槲掖_切地知道它的作用,并且它提供了最好的準(zhǔn)確性。但在某些情況下,例如當(dāng)我仍在嘗試解決問(wèn)題時(shí),我需要嘗試不同的算法并在我的環(huán)境中進(jìn)行操作。我需要能夠做到 X、Y 或 Z,并且我需要靈活性。在那里,您可以繼續(xù)使用數(shù)字信號(hào)處理器來(lái)執(zhí)行這些算法?!蔽倚枰獓L試不同的算法并在我的環(huán)境中進(jìn)行游戲。我需要能夠做到 X、Y 或 Z,并且我需要靈活性。在那里,您可以繼續(xù)使用數(shù)字信號(hào)處理器來(lái)執(zhí)行這些算法。”我需要嘗試不同的算法并在我的環(huán)境中進(jìn)行游戲。我需要能夠做到 X、Y 或 Z,并且我需要靈活性。在那里,您可以繼續(xù)使用數(shù)字信號(hào)處理器來(lái)執(zhí)行這些算法。”

此外,很多時(shí)候,使用人工智能引擎時(shí),進(jìn)入人工智能引擎的數(shù)據(jù)必須經(jīng)過(guò)預(yù)處理,這意味著它必須采用特定的格式。

“在特定的數(shù)據(jù)類型中,你的人工智能引擎可能會(huì)說(shuō),‘我只做定點(diǎn),’”德賽解釋道?!八阅憧梢允褂每?a href="http://www.1cnz.cn/v/tag/1315/" target="_blank">編程引擎來(lái)做到這一點(diǎn)。那么,一旦你把某些東西放入人工智能中,你可能就沒(méi)有太大的靈活性了。四年后,當(dāng)新事物出現(xiàn)時(shí),你可能必須改變它。有很多不同的因素。本質(zhì)上,如果您正在做一些非常確定的事情,您就會(huì)知道您可以獲得非常高的性能率,并且您今天就知道了。你可能會(huì)說(shuō),‘今天我要引入人工智能來(lái)解決這個(gè)問(wèn)題。明天,我可能還會(huì)這么做。然后,我通過(guò)使用可編程引擎來(lái)增加靈活性?;蛘?,如果我不知道我需要使用它,那么我仍然會(huì)使用經(jīng)典算法來(lái)使用它。即使我有AI,我仍然需要做數(shù)據(jù)的預(yù)處理和后處理。

結(jié)論


隨著汽車原始設(shè)備制造商和系統(tǒng)公司將其計(jì)算架構(gòu)向傳感器融合發(fā)展,實(shí)驗(yàn)將成為一項(xiàng)要求。

西門子的弗里茨認(rèn)為,在這個(gè)進(jìn)化時(shí)期,處理開(kāi)發(fā)的正確方法是雇用和/或組建一些小團(tuán)隊(duì)來(lái)進(jìn)行大量試點(diǎn)項(xiàng)目?!翱赡苡惺畮讉€(gè)人或兩打人。例如,他們的目標(biāo)可能是到 2026 年或 2028 年在測(cè)試環(huán)境中生產(chǎn) 300 個(gè)原型。”

盡管如此,每個(gè) OEM 目前的處境仍取決于 OEM、他們進(jìn)行架構(gòu)開(kāi)發(fā)的時(shí)間以及他們未來(lái)希望如何做到這一點(diǎn)。

“不同的原始設(shè)備制造商擁有不同水平的專業(yè)知識(shí)。有些人正試圖加強(qiáng)他們的團(tuán)隊(duì)來(lái)解決這個(gè)問(wèn)題,”弗里茨指出。“大多數(shù)原始設(shè)備制造商都有一點(diǎn)‘不是這里發(fā)明的’綜合癥,他們認(rèn)為自己可以做到這一點(diǎn),因?yàn)樗麄冇泻芏嗦斆鞯娜?。?wèn)題是,您是否要將 ECU 從 100 個(gè)增加到 200 個(gè),并使車輛的重量增加一倍?換句話說(shuō),他們現(xiàn)在的員工中往往沒(méi)有全面思考這個(gè)問(wèn)題的人。他們的想法是,“我有一把錘子,因此這一定是一顆釘子。”然后他們就慘敗了。”

與大多數(shù)新技術(shù)一樣,開(kāi)發(fā)人員認(rèn)識(shí)到他們需要一個(gè)適合自己 CPU 的編譯器,因此他們嘗試構(gòu)建自己的編譯器?!叭缓笏麄儼l(fā)現(xiàn)他們認(rèn)為可以做到的兩個(gè)人卻做不到,并意識(shí)到他們還需要四個(gè)人,然后,再需要一兩個(gè)人,”他說(shuō)?!暗阶詈?,他們對(duì)它投入了如此多的感情,很難消滅它,而且這種情況會(huì)永遠(yuǎn)持續(xù)下去,直到最后他們最終購(gòu)買了他們需要的芯片并解雇了 100 名內(nèi)部開(kāi)發(fā)人員。這種情況經(jīng)常發(fā)生,在汽車領(lǐng)域也不例外。傳感器融合是我們正在看到這種現(xiàn)象發(fā)生的幾個(gè)關(guān)鍵領(lǐng)域之一。就像這個(gè)領(lǐng)域的其他一切一樣,就像多年前發(fā)令槍響了一樣,人們開(kāi)始跑步,然后意識(shí)到,‘我還沒(méi)有為這場(chǎng)馬拉松進(jìn)行訓(xùn)練?!?/p>

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 傳感器
    +關(guān)注

    關(guān)注

    2550

    文章

    51046

    瀏覽量

    753119
  • 編譯器
    +關(guān)注

    關(guān)注

    1

    文章

    1624

    瀏覽量

    49109
  • 生態(tài)系統(tǒng)
    +關(guān)注

    關(guān)注

    0

    文章

    702

    瀏覽量

    20723

原文標(biāo)題:傳感器融合,挑戰(zhàn)重重!

文章出處:【微信號(hào):WW_CGQJS,微信公眾號(hào):傳感器技術(shù)】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏

    評(píng)論

    相關(guān)推薦

    說(shuō)說(shuō)國(guó)產(chǎn)傳感器的短板與挑戰(zhàn)

    挑戰(zhàn),以期為行業(yè)發(fā)展提供參考。 一、品種、規(guī)格與系列不全 國(guó)產(chǎn)傳感器在品種、規(guī)格與系列上顯得不夠全面。國(guó)內(nèi)傳感器產(chǎn)品往往難以形成完整的系列,導(dǎo)致用戶在選擇時(shí)面臨諸多不便。例如,工業(yè)自動(dòng)化儀表中常用的高精度、高
    的頭像 發(fā)表于 12-11 18:20 ?185次閱讀

    傳感器融合在自動(dòng)駕駛中的應(yīng)用趨勢(shì)探究

    自動(dòng)駕駛技術(shù)的快速發(fā)展加速交通行業(yè)變革,為實(shí)現(xiàn)車輛自動(dòng)駕駛,需要車輛對(duì)復(fù)雜動(dòng)態(tài)環(huán)境做出準(zhǔn)確、高效的響應(yīng),而多傳感器融合技術(shù)為提升自動(dòng)駕駛系統(tǒng)的穩(wěn)定性和安全性提供了關(guān)鍵支持。通過(guò)將不同種類的傳感器數(shù)據(jù)
    的頭像 發(fā)表于 12-05 09:06 ?294次閱讀
    多<b class='flag-5'>傳感器</b><b class='flag-5'>融合</b>在自動(dòng)駕駛中的應(yīng)用趨勢(shì)探究

    什么是自感式傳感器

    在現(xiàn)代科技領(lǐng)域中,傳感器技術(shù)扮演著至關(guān)重要的角色,而自感式傳感器作為其中的一種,以其獨(dú)特的優(yōu)勢(shì)在眾多應(yīng)用場(chǎng)景中發(fā)揮著不可替代的作用。本文將深入探討自感式傳感器的技術(shù)原理、特點(diǎn)、應(yīng)用以及存在的
    的頭像 發(fā)表于 11-25 18:16 ?484次閱讀

    自主移動(dòng)機(jī)器人如何實(shí)現(xiàn)傳感器融合

    成本。由于這些原因,AMR的采用將擴(kuò)展到幾乎所有行業(yè)。在此之前,AMR仍必須克服多項(xiàng)挑戰(zhàn),而克服這些挑戰(zhàn)的關(guān)鍵之一,在于納入各種傳感器和新興的傳感器
    的頭像 發(fā)表于 11-21 15:34 ?286次閱讀

    磁通門傳感器和霍爾傳感器的區(qū)別

    ,但在原理、性能、應(yīng)用等方面卻存在著顯著的差異。本文將帶您深入探索這兩種傳感器的奧秘,揭開(kāi)它們各自的神秘面紗。 ? 從電流測(cè)量的挑戰(zhàn)說(shuō)起 電流,作為電子世界中流淌的“血液”,其精準(zhǔn)測(cè)量對(duì)于設(shè)備的穩(wěn)定運(yùn)行、數(shù)據(jù)的
    的頭像 發(fā)表于 10-22 18:29 ?276次閱讀

    2024年傳感器發(fā)展的挑戰(zhàn):探索與突破

    功能,廣泛應(yīng)用于工業(yè)自動(dòng)化、智能家居、醫(yī)療健康、環(huán)境監(jiān)測(cè)等領(lǐng)域。然而,隨著技術(shù)的不斷進(jìn)步和應(yīng)用場(chǎng)景的日益復(fù)雜,傳感器技術(shù)也面臨著多方面的挑戰(zhàn)。 挑戰(zhàn)一:精度與穩(wěn)定性的提升 傳感器在工業(yè)
    的頭像 發(fā)表于 10-22 18:27 ?664次閱讀

    精密制造的革新:光譜共焦傳感器與工業(yè)視覺(jué)相機(jī)的融合

    在現(xiàn)代精密制造領(lǐng)域,對(duì)微小尺寸、高精度產(chǎn)品的檢測(cè)需求日益迫切。光譜共焦傳感器憑借其非接觸、高精度測(cè)量特性脫穎而出,而工業(yè)視覺(jué)相機(jī)則以其高分辨率、實(shí)時(shí)成像能力著稱。兩者的融合,不僅解決了傳統(tǒng)檢測(cè)方式在
    的頭像 發(fā)表于 09-26 11:47 ?328次閱讀

    深入解析:人體傳感器、存在傳感器與場(chǎng)景存在傳感器的差異與應(yīng)用

    場(chǎng)景存在傳感器比存在傳感器探測(cè)更精細(xì)化,存在傳感器比人體傳感器探測(cè)精度更高。
    的頭像 發(fā)表于 05-22 11:05 ?2287次閱讀
    深入解析:人體<b class='flag-5'>傳感器</b>、存在<b class='flag-5'>傳感器</b>與場(chǎng)景存在<b class='flag-5'>傳感器</b>的差異與應(yīng)用

    傳感器融合如何使 AMR 在工廠車間內(nèi)高效移動(dòng)

    依賴單一傳感器技術(shù)。 多傳感器融合,或簡(jiǎn)稱“傳感器融合”,將激光測(cè)距 (LIDAR)、攝像頭、超聲波傳感
    的頭像 發(fā)表于 05-05 09:34 ?808次閱讀
    <b class='flag-5'>傳感器</b><b class='flag-5'>融合</b>如何使 AMR 在工廠車間內(nèi)高效移動(dòng)

    未來(lái)已來(lái),多傳感器融合感知是自動(dòng)駕駛破局的關(guān)鍵

    駕駛的關(guān)鍵的是具備人類的感知能力,多傳感器融合感知正是自動(dòng)駕駛破局的關(guān)鍵。昱感微的雷視一體多傳感器融合方案就好像一雙比人眼更敏銳的眼睛,可以為自動(dòng)駕駛系統(tǒng)提供更豐富更精準(zhǔn)的視覺(jué)語(yǔ)言——
    發(fā)表于 04-11 10:26

    傳感器融合的工作原理

    你怎么知道你在哪里?什么是真實(shí)的?這是傳感器融合應(yīng)該回答的問(wèn)題。不是以哲學(xué)的方式,而是字面上的“我會(huì)自動(dòng)撞入白宮嗎?因?yàn)槲冶桓嬷灰@樣做”,這種方式內(nèi)置于商業(yè)四軸飛行的固件中。
    發(fā)表于 04-04 13:11 ?635次閱讀

    車輛定位面臨的挑戰(zhàn)傳感器融合技術(shù)的作用

    移動(dòng)出行應(yīng)用中使用了多種類型的傳感器,包括攝像頭、雷達(dá)等。每種傳感器都有其優(yōu)點(diǎn)和缺點(diǎn),沒(méi)有任何單一傳感器能夠在所有環(huán)境下提供連續(xù)、可靠和準(zhǔn)確的定位解決方案。
    發(fā)表于 03-06 10:01 ?519次閱讀

    深度解析:多傳感器融合SLAM技術(shù)全景剖析

    SLAM中,先驗(yàn)值通常從一系列傳感器獲得,比如慣性測(cè)量單元(IMU)和編碼,而觀測(cè)值則是通過(guò)GPS、相機(jī)和激光雷達(dá)等其他傳感器獲取的,后驗(yàn)值是融合了先驗(yàn)信息與觀測(cè)數(shù)據(jù)之后得到的結(jié)果,
    發(fā)表于 02-23 11:31 ?2998次閱讀
    深度解析:多<b class='flag-5'>傳感器</b><b class='flag-5'>融合</b>SLAM技術(shù)全景剖析

    Spring Boot和飛騰派融合構(gòu)建的農(nóng)業(yè)物聯(lián)網(wǎng)系統(tǒng)-改進(jìn)自適應(yīng)加權(quán)融合算法

    接上集: 上次實(shí)驗(yàn)我們已經(jīng)完成多傳感器融合算法的設(shè)計(jì),本次實(shí)驗(yàn)注意完成改進(jìn)自適應(yīng)加權(quán)融合算法設(shè)計(jì)。 一、背景 通過(guò)利用溫室控制系統(tǒng)來(lái)管理溫室內(nèi)的各種設(shè)備并控制溫度、濕度,可以更好地探索和掌握環(huán)境因素
    發(fā)表于 01-06 12:18

    【飛騰派4G版免費(fèi)試用】Spring Boot和飛騰派融合構(gòu)建的農(nóng)業(yè)物聯(lián)網(wǎng)系統(tǒng)-數(shù)據(jù)融合算法篇

    本帖最后由 sda12138 于 2024-1-6 12:00 編輯 接上集: 上次實(shí)驗(yàn)我們已經(jīng)完成個(gè)人中心的設(shè)計(jì),本次實(shí)驗(yàn)主要完成內(nèi)容是完成多傳感器融合算法的設(shè)計(jì)。 一、背景 在智慧農(nóng)業(yè)中農(nóng)
    發(fā)表于 12-26 20:59
    主站蜘蛛池模板: 果冻传媒在线观看进入窗口| 新妺妺窝人体色WWW| 97视频在线免费| 久久不射电影网| 亚洲xxxx动漫| 国产成人精品电影| 日本精品久久久久中文字幕| 99久久亚洲综合精品| 麻豆天美国产一区在线播放| 亚洲最大在线视频| 花蝴蝶在线观看免费8| 丫鬟粗大狠狠贯穿h| 国产乱妇乱子在线播视频播放网站| 人妖和美女玩| xxx动漫xxx在线观看| 欧美国产在线一区| JAPANBABES11学生老师| 欧美14videosex性欧美成人| 最新高清无码专区在线视频| 久久天天躁狠狠躁夜夜躁| 诱咪视频免费| 久久亚洲电影www电影网| 在线观看国产小视频| 老师破女学生特级毛片| 最近中文字幕2019国语4| 久久视频这有精品63在线国产 | 久久re热在线视频精99| 亚洲人视频在线| 久久88综合| 最新 国产 精品 精品 视频| 蜜芽资源高清在线观看| 99视频在线免费| 日韩精品真人荷官无码| 国产AV综合手机在线观看| 无限资源网免费看| 国产亚洲精品久久精品6| 亚洲天堂av2017| 久久人妻无码毛片A片麻豆| 最美女人体内射精一区二区| 欧美14videosex性欧美成人| 成人国产亚洲精品A区天堂蜜臀|