Henry-Z

概述

先进的3D对象检测方法提出了各种从稀疏的点云数据中学习辨别特征的方法:

1. 将点云投影到鸟瞰图，并利用2D CNN学习点云特征以生成3D预测框；
2. 将点云分组为体素，并使用3D CNN学习体素的特征来生成3D框；
3. 直接采样点云数据，并使用MLP学习点云特征来生成3D框；

概述

在自动驾驶使用场景中，一般会使用各类传感器(摄像头、激光雷达、毫米波雷达和超声波雷达等)来感知周围环境信息，传感器收集的大量信息，通过各类算法最终融合到一个真实的语义地图上，下游模块通过该语义地图做相应的规划和决策。

4D毫米波雷达

如下图所示，TI给出的4D毫米波方案示例。

概述

毫米波(mmWave)是一类使用短波长 电磁波的特殊雷达技术。雷达系统发射的电磁波信号被其发射路径上的物体阻挡继而会发生反射。通过捕捉反射信号，雷达系统可以确定物体的距离、速度和角度。

毫米波雷达可发射波长为毫米量级的信号，在电磁频谱中，这种波长被视为短波长，这也是该技术的优势之一，即处理毫米波所需的系统组件(如 天线)尺寸可以做得很小；短波长的另一个优势是高准确度，工作频率为 76~81 GHz(对应波长约为 4mm)的毫米波系统将能够检测到小至零点几毫米的移动。

其中，TI公司的器件实现了一种称为 调频连续波(FMCW)的特殊毫米波技术。顾名思义，FMCW 雷达连续发射调频信号，以测量距离、速度和角度。这与周期性发射短脉冲的传统脉冲雷达系统不同。

概述

在自动驾驶使用场景中，一般会使用各类传感器(摄像头、激光雷达、毫米波雷达和超声波雷达等)来感知周围环境信息，传感器收集的大量信息，通过各类算法最终融合到一个真实的语义地图上，下游模块通过该语义地图做相应的规划和决策。

概述

概述

在自动驾驶领域，感知系统是必不可少的模块，通常使用多模态数据(激光雷达的点云、摄像头的图片、高清地图等)作为输入，预测道路上关键元素的几何形状和语义信息，为目标跟踪、轨迹预测和路径规划模块提供可靠的观察结果。 为了全面了解行驶环境，涉及许多视觉任务，包括：对象检测、跟踪、车道线检测、语义分割和实例分割。其中，3D对象检测是自动驾驶感知系统最不可或缺的任务。 3D对象检测的目标：

1. 位置：(x, y, z)
2. 大小：(l, w , h)
3. 朝向： (\(\theta\))
4. 类别： (轿车、自行车、行人...)

相对于2D对象检测，其只在图像上生成边界框，而忽略物体与当前车辆的实际距离信息。3D对象检测重点关注于现实世界3维坐标系中的对象位置和识别。通过3D对象检测预测的几何信息可以直接测量当前车辆于关键对象之间的距离。

概述

本文主要介绍在Proxmox VE（PVE）虚拟化环境中，如何构建LXC容器以隔离PVE环境。我们将使用PVE中的模版创建LXC容器，并在其中安装Docker服务。通过这种方式，我们可以在PVE虚拟环境中安全地部署和管理Docker应用。