知情郎·眼｜侃透天下专利事儿春节前，知情郎写过百度的无人驾驶经典专利。作为百度和吉利合资建立的智能汽车公司——集度，2021年，整了1年，四处挖人四处洽谈。并言之凿凿，首款汽车机器人概念车会于今年 4 月在北京车展发布，量产车型将于 2023 年上市

  自动驾驶的发展离不开高级辅助驾驶系统的加持，高级辅助驾驶系统，是利用安装在车辆上的传感器（毫米波雷达、激光雷达、单／双目摄像头以及卫星导航系统），在车辆行驶过程中，随时感知周围的环境，搜集数据，进行

  与汽车机械时代和电气时代不同，汽车智能化、电子化发展，将让汽车进入智能时代，此时汽车将不再限制于出行辅助工具的功能，游戏、电影、音乐、工作等功能的加持，让汽车的互动性更强、体验性更佳、可玩性更高，随着

  本文来源：智车科技／ 导读 ／对于无人驾驶车辆来说，安全的重要性毋庸置疑，为了恰当评价从而确保无人驾驶车辆的安全性，各国家、公司和组织慢慢的开始努力开发一个无人驾驶安全框架或至少部分框架，以指导ADS的安全测试和部署

  走在校园，你能够正常的看到智能快递派送机器正工作着，能自动识别路况，避开人群；进入园区，你站在园区车辆接驳点，不一会儿便会有一辆无人驾驶接驳车停在你的旁边，进入汽车，便可以将你带到预定位置；住进酒店，你可以

  来到陌生的城市旅游，通过提前查看攻略准备去当地特色景点游玩，面对从未来过的城市，你很熟练地拿出手机，在导航App内输入你想去的地点，导航App便立刻给你提供完善的出行建议，让你能够准确的通过需要进行选择，并

  目前超高超限车辆对桥梁损毁日益严重，为保障道路行驶安全，交通部在《超限运输车辆行驶公路管理规定》中，对于运输车辆的高和宽给出了详细规定。下面工采网小编和大家一起看看激光雷达传感器在车辆限高应用中的解决方案

  全球汽车快讯 据外国媒体报道，在无人驾驶领域，特斯拉可谓独树一帜。该公司致力于研发计算机视觉和人工神经元网络技术，旨在解决与自动驾驶车辆相关的挑战。尽管丰田、谷歌、优步、福特和通用汽车都致力于采取了激光雷达技术，但特斯拉却总是高调地宣称，激光雷达永远也不可能会成为处理问题的途径

  本文来源:智车科技/ 导读 /保护易受负载突降条件影响的电子系统是汽车应用面临的一大挑战,无论是燃油车,还是电动汽车(EV)。汽车工程师除了处理有害的负载突降,并且要遵守许多行业和制造商的特定标准,这通常要借助于瞬态电压抑制器(TVS,也叫TVS二极管)来实现

  本文来源:智车科技/ 导读 /因为电脑容易受到网络攻击,所以无人驾驶车辆(AVs)也容易受到网络攻击也就不足为奇了。本文讨论了黑客可拿来攻克无人驾驶车辆的方法。当人们把一个相互通信的AV车队想象成一个运行中的计算机网络时,汽车被黑客攻击所带来的危险就更加复杂了

  ?近日，首个C－V2X技术的汽车量产落地，上汽通用汽车2021款别克GL8 Avenir艾维亚搭载德赛西威C－V2X无线通信技术，可实现车与车通讯相关的紧急制动预警EBW、车辆失控预警CLW、异常车辆提醒AVW、交叉路口碰撞预警ICW等功能。

  车道线检测算法分为传统图像处理方法和深度学习方法。本文详细的介绍用传统图像处理方法来解决车道线检测问题,后文的算法源于Udacity无人驾驶课程的项目,仅做参考。

  本文来源：智车科技／ 导读 ／成功的无人驾驶汽车必定将使用紧密集成的传感器系统来达到甚至超越人类的驾驶能力。人类驾驶员一般利用双眼、双耳，以及车辆运动给人的反馈来驾驶汽车。我们的大脑会实时处理所有这一些信息，并从人脑的驾驶经验数据库中直觉反应

  虽然CurveLane－NAS是为曲线％以上都直线车道的数据集CULane上表现依然非常良好。在华为发布的新数据集CurveLanes上，现有的算法如SCNN和SAD的性能却会降低，而CurveLane－NAS的表现十分优秀，与现有的算法相比，实现了准确性和高效性的平衡。

  CHINA EEA经过多年的持续不断的发展慢慢的变成了全球汽车电子电气架构领域的重要行业会议。11月7日－8日，在上海隆重召开了由GRCC 主办，CASA 联盟和OPEN ALLIANCE协办以及由地平线公司赞助的“中国汽车电子电气架构技术创新论坛CHINA EEA 2019”

  无人驾驶汽车可以设计得更像团队合作的蚂蚁，而不是自私的人类，从而帮助解决交通堵塞。

  就像最初的登月一样，在通往安全无人驾驶车辆的道路上还存在许多障碍。最近发生的涉及自动驾驶车辆的事故助长了唱反调者的声势，他们都以为车辆及其行驶环境太复杂，变数太多，而算法和软件仍然错误太多。对于参与了ISO26262功能安全合规性验证的任何人来说，他们对此持怀疑态度是可以理解的

  在过去的十年里，无人驾驶汽车技术取得了慢慢的变快的进步，主要得益于深度学习和AI领域的进步。作者就无人驾驶中使用的深度学习技术的现状以及基于AI的自驱动结构、卷积和递归神经网络、深度强化学习范式进行了详细的阐述

  芯片是一向系统工程，高投入、高风险、回报较慢都是芯片行业的典型特征。特别是对于目前的无人驾驶技术来说，最终的算法并没有确定，因此各大厂家没有很好的方法在现在的情况下就投入到ASIC专业芯片中，所以GPU会是今后很长一段时间内的最为平衡的方案