Публикации по теме 'self-driving-cars'


6 УРОВНЕЙ АВТОНОМНОГО ВОЖДЕНИЯ
23 и 24 марта мы проведем наш первый Саммит машинного интеллекта в автономных транспортных средствах в Сан-Франциско. Автономные транспортные средства были последней навязчивой идеей каждого автолюбителя и производителя, которые посвятили себя бесконечным исследованиям и испытаниям, чтобы создать более безопасный, умный и эффективный транспорт. Автономное вождение — это развитие машинного интеллекта с применением IoT, датчиков и ИИ. В последние годы мы стали свидетелями..
Плотная сегментация: парсинг сцены пирамиды (PSPnet)
Плотная сегментация: парсинг сцены пирамиды (PSPnet) Статья: https://arxiv.org/abs/1612.01105 Github: https://github.com/hszhao/PSPNet Факт: в этом документе сообщается о результатах: Статистика : Большинство методов пиксельной сегментации сосредоточены на объединении функций низкого уровня, но с высоким разрешением, с высоким уровнем низкого разрешения, чтобы извлечь выгоду из обоих. Мало кто обратил внимание на глобальные априоры . Один из сценариев,..
Самоуправляемый автомобиль с YOLOv5 и Roboflow
Вас когда-нибудь заинтриговали беспилотные автомобили и лежащие в их основе алгоритмы? Этот пост позволяет вам погрузиться глубже, используя Набор данных для самостоятельного вождения автомобилей Udacity , предоставленный Roboflow . YOLOv5 YOLO - Y ou O nly L ook O nce - это семейство объектов. архитектуры и модели обнаружения, предварительно обученные на наборе данных COCO. YOLOv5 🚀 представляет собой открытое исследование Ultralytics методов искусственного..
Быстро исследующее случайное дерево
Алгоритмы планирования пути для роботизированных приложений должны находить оптимальный маршрут через возможные области пространства на каждом этапе. Одним из простейших алгоритмов планирования пути для поиска маршрута является быстрое исследование случайного дерева (RRT), предложенное Стивеном Лавалем [1]. RRT использует жадную эвристику для охвата всего пространства, что делает его действительно эффективным. Существует вариант RRT*, который может найти оптимальный маршрут [2]...
Информация о методах 3D-обнаружения
С развитием самоуправляемых автомобилей мы видим большой толчок в области компьютерного зрения для таких приложений, как обнаружение возражений (2D / 3D), отслеживание объектов, 3D-реконструкция, понимание поведения дорожного движения, анализ 3D-сцены и т. Д. попытайтесь осветить некоторые из последних достижений в одной из этих технологий, а именно в 3D-обнаружении. LiDAR и датчики глубины предоставляют трехмерную информацию об окружающем мире, которую невозможно напрямую зафиксировать с..
Решение, принятое за использование шарнирных датчиков на круизных AV
Автор: Дж. М. Фишер , технический директор, встраиваемые системы, и Чарли Муни , старший инженер-программист, встраиваемые системы В круизных беспилотных транспортных средствах датчики используются в качестве глаз и ушей транспортного средства. Когда мы представили Cruise Origin в начале этого года , мы продемонстрировали шарнирный датчик, который может поворачиваться на 360 градусов и видеть в свете или в кромешной тьме со сверхчеловеческой скоростью. Наши сенсоры смогут видеть за..
Дневник самоуправляемого автомобильного инженера №3: ​​Сверточные нейронные сети
Запись №3 в «Дневнике машиниста-самоучки» В рамках нашего следующего проекта «Классификация дорожных знаков с помощью LeNet» Udacity сначала знакомит нас с более глубокими нейронными сетями, такими как сверточные нейронные сети. Идея действительно гениальна. Его рождение связано с тем, что изображения загружены огромными объемами данных и что взаимосвязи и гипотезы могут быть извлечены из пикселей вокруг друг друга. Входной слой с нейроном для каждого пикселя не будет точным, потому..