文章
-
康謀洞察 | L3+智能座艙時代，主機廠三大核心需求揭秘！2025-05-21 09:55
艙內(nèi)感知模型遇數(shù)據(jù)瓶頸？真實采集成本高、隱私限制嚴、長尾場景稀缺！行業(yè)正轉(zhuǎn)向合成數(shù)據(jù)破局，但仍面臨諸多困難。本文為大家詳細揭秘析主機廠和算法供應(yīng)商的三大需求核心，加速破局！ -
技術(shù)分享 | 高逼真合成數(shù)據(jù)助力智駕“看得更準、學(xué)得更快”2025-04-29 10:47
自動駕駛研發(fā)如何高效獲取海量訓(xùn)練數(shù)據(jù)？高逼真合成數(shù)據(jù)技術(shù)正在提供新解法。通過仿真平臺可生成多場景、多傳感器的精準標(biāo)注數(shù)據(jù)。文章詳解如何構(gòu)建符合nuScenes標(biāo)準的數(shù)據(jù)集，覆蓋復(fù)雜交通場景，為感知模型訓(xùn)練提供高效、可控的數(shù)據(jù)支持。 -
康謀分享 | 特斯拉AD/ADAS緊急制動安全分析案例2025-04-23 09:34
基于1.5萬公里實測數(shù)據(jù)，本文揭示Autopilot三大緊急制動特征：對鄰車道的過度防御制動、ODD外場景的靜默退出風(fēng)險及信號燈響應(yīng)困境。研究通過多模態(tài)數(shù)據(jù)融合技術(shù)，量化分析制動事件，為ADAS系統(tǒng)優(yōu)化提供重要依據(jù) -
方案分享 | ADAS時空融合數(shù)據(jù)采集方案2025-04-16 09:51
隨著傳感器數(shù)量的增加和數(shù)據(jù)規(guī)模的指數(shù)級增長，行業(yè)正面臨一系列挑戰(zhàn)：多源傳感器數(shù)據(jù)的時間同步難題、復(fù)雜數(shù)據(jù)格式的適配、測量技術(shù)的靈活性不足、設(shè)備集成周期冗長等，這些問題正成為自動駕駛研發(fā)與測試的“隱形瓶頸”。 -
康謀分享 | 仿真驅(qū)動、數(shù)據(jù)自造：巧用合成數(shù)據(jù)重構(gòu)智能座艙2025-04-02 09:50
隨著汽車向智能化、場景化加速演進，智能座艙已成為人車交互的核心承載。從駕駛員注意力監(jiān)測到兒童遺留檢測，從乘員識別到安全帶狀態(tài)判斷，座艙內(nèi)的每一次行為都蘊含著巨大的安全與體驗價值。 -
技術(shù)分享 | AVM合成數(shù)據(jù)仿真驗證方案2025-03-19 09:40
AVM 合成數(shù)據(jù)仿真驗證技術(shù)為自動駕駛環(huán)境感知發(fā)展帶來助力，可借助仿真軟件配置傳感器、搭建環(huán)境、處理圖像，生成 AVM 合成數(shù)據(jù)，有效加速算法驗證。然而，如何利用仿真軟件優(yōu)化傳感器外參與多場景驗證，顯著提升AVM算法表現(xiàn)？ -
康謀應(yīng)用 | 基于多傳感器融合的海洋數(shù)據(jù)采集系統(tǒng)2025-03-12 09:40
在海洋監(jiān)測與無人艇控制領(lǐng)域，數(shù)據(jù)采集面臨數(shù)據(jù)噪聲誤差、融合協(xié)同等挑戰(zhàn)。本文康謀深度剖析基于多傳感器融合的海洋數(shù)據(jù)采集系統(tǒng)交付案例，詳細解析其方案架構(gòu)、系統(tǒng)搭建等內(nèi)容，展現(xiàn)如何提升數(shù)據(jù)采集質(zhì)量，從而推動無人艇自主航行及算法訓(xùn)練！ -
康謀分享 | 3DGS：革新自動駕駛仿真場景重建的關(guān)鍵技術(shù)2025-03-05 09:45
3DGS技術(shù)為自動駕駛仿真場景重建帶來突破，通過3D高斯點精確表達復(fù)雜場景的幾何和光照特性，顯著提升渲染速度與圖像質(zhì)量。康謀aiSim平臺結(jié)合3DGS，提供高保真虛擬環(huán)境與動態(tài)交通流模擬，優(yōu)化自動駕駛測試效率與精度
