当前位置: 首页 > news >正文

自动驾驶技术关键技术梳理

一、硬件
1、 传感器系统设计主要注意以下几个问题:
1.时间同步
一般包括多传感器之间时钟同源、帧同步触发的问题。首先要解决时钟同源问题,然后为了帧同步触发,可以让所有传感器整秒触发。常用GPS(最多分2路)给激光雷达同步,激光雷达(1w-3w)转到中间时产生脉冲信号给采集卡(3w)触发相机(2千左右)曝光,采集卡装于工控机上(6w左右)。imu几百的精度也不错了。
1)软同步:使用ntp(毫秒级,局域网可达0.1ms,一般网络1-50ms)或ptp时间同步,ptp也分为硬同步和软同步,硬同步需要设备有时钟源(如网卡,笔记本网卡一般没有硬件时钟),硬件同步精度可达亚微妙级,软同步由于获取软件时钟的时间会有1-2ms误差
2)硬同步:一般使用GPS的PPS秒脉冲和gpmrc(utc秒时间)作为时钟源,一些激光雷达和相机支持PPS时间同步,一些激光雷达还可以产生脉冲信号触发相机达到帧同步,gmsl相机可以通过图像采集卡使用PPS、TTL电平或lidar产生脉冲进行触发。
购买相机、激光雷达等传感器时需要考虑支不支持ptp、PPS或其它脉冲同步,激光雷达能不能产生脉冲
2.系统功耗
功耗太大比较耗电,车载电源有限,工控机一般在1kw左右
3.存储的数据量
图片和点云数据量很大,一般需要压缩存储,图像常用h264和h265压缩,h265目前需要付费,一般用nas硬盘存储
4.传感器安装高度
一些地方限高2.2m
5.防水设计
2、传感器选型
1.GPS
rtk基站服务(千寻),ppp星端服务
1)novatel(百万)
2)cpt7(1w)
3)华测(几千)
2.imu
一般GPS带了
3.轮速计
一般车载
4 .相机
需要自动曝光,gmsl相机采集卡能达到gb级带宽
1)basler
2)森云:有带采集卡的整套传感器解决方案
3)美图
5.激光雷达
1)禾赛
2)速腾
3)华为
4)大疆
5)镭神
6)ouster
7)velodyne
6 .交换机
1)三旺(3onedata):可PPS授时,单只能做到2分钟一次
2)tsn

二、建图
高精地图一般包括静态图层、定位图层、语义图层和动态图层。静态图层保存道路的
3D 建模信息,包括道路的中心线、拓扑关系、车道边界、连接关系和几何信息等,可用于
路径规划;定位图层包括点云地图、特征点和 landmark(杆状物、交通标志牌等),主要用
于定位;语义图层提供道路的结构化信息,定义了车道线、交通标志和交通规则等,可用于
给感知提供感兴趣区域,提高感知算法的速度;动态图层提供当前路况、实时交通规则和拥
堵情况等实时动态信息,可用于路径规划。对于自动驾驶来说,最终执行的是局部路径规划
(避障)和控制,局部路径规划需要根据当前位置、全局路径规划、车道信息、交通信息和实
时感知结果作出决策。
理论上,高精地图的元素越丰富,定位、感知、规划和控制越可靠,但采集难度、更新
难度和存储空间越大、采集成本越高。因此,出现了“重感知,轻地图”的趋势,比较具有
代表性的是百度 ANP 3.0、特斯拉 FSD 纯视觉和 MobileEye 的众包解决方案。百度 ANP
3.0 使用的地图做了如下优化:
1.采集阶段对地图数据减负。
原先同路段需要通过反复采集的方式来降低误差,成本高,效率低。百度通过线上 PNC
算法优化和地图点云拼接算法的升级,提升对地图精度误差的容错力,每条路线仅需要采集
1 次即可制图,大幅降低了地图生产的外业成本。
2.定位图层降维。
此前,一份高精地图至少需要特征点、激光点云反射值和 Landmark 三份图层数据才
能成图。现在定位算法降低对点云和特征点的依赖,仅依靠 Landmark 定位图层即可支撑
ANP3.0 的城市道路高精自定位。
3.地图元素标注瘦身。
高精地图包含静态,动态多个层面的实物参与。最典型的就是路口红绿灯识别,此前需
要对每个灯头都进行单独标注,并且灯头也需要与其对应的车道线进行绑定关联,标注人员
的操作极为繁复,容易出错。
1、建立地图
高精地图和众包地图一般使用SLAM和深度学习方法结合的方式建立。SLAM在自动驾驶和建图过程中主要有以下作用。
1.建立高精地图
车尾斜装激光雷达(32或64线,线束均匀)扫地面,需要共视的相机着色,顶装激光雷达(64线,距离200米)构建定位地图高精度rtk(包括imu和轮速计)。数据同源要求地图和矢量地图同源,要为同一颗激光雷达采集,要么在同一颗激光雷达轨迹上根据外参拼接另一条激光雷达数据。
1)SLAM在局部定位是准确的,SLAM建图可以保证后期定位的连续性,只使用GPS轨迹拼接定位地图可能会有些突兀。SLAM需要保证相对定位精度的准确性。
2)SLAM可为深度学习算法提供真值,即标注数据;
2.建立众包地图
采集数据,处理数据,构建局部地图,地图校验,更新地图。常用视觉方案,最小系统是GPS、imu、轮速计和单目相机。
使用 VSLAM 构建高精地图首先要解决尺度问题:

  1. 双目或多目视觉;
  2. GPS/IMU
  3. 环境中尺度信息,如车道宽度、相机和地面高度等
  4. 深度学习方法端到端获得深度
    构建方式主要有以下几种:
    1)使用传统或深度学习方法识别杆状物、路牌等标志物,然后利用多帧共视关系同时定位和重建物体的 3D 模型,可以使用在线的 SLAM 和离线的 SfM(Structure frommotion)。
    2)使用传统或深度学习方法识别车道线等路面信息,使用 VSLAM 定位结果将多帧车
    道线拼接重建车道线
    3)深度学习方法,如使用 VSLAM 定位结果拼接多帧图像并转到 BEV 视角下,然后通过传统或深度学习方法检测车道线等路面信息
    SLAM的作用
    1)用于校验深度学习方法精度
    2)三维重建
    3)估计运动轨迹拼接

2、表示地图
opendrive(适合仿真)、nds(大图商存全国地图)、adasisv3(ehp和ehr通信协议)
3、保存地图
一般需要分块存储,可使用文件名分块存储或使用存储分块(数据库技术)
4、加载地图
1.4邻域
2.8邻域
3.半径区域
4.前进方向区域
5、目标搜索
直接加载就能搜索或加载时重新组织
1.kdtree

2.八叉树
3.栅格地图
通过索引便可搜索,但会存一些空栅格
三、定位
两颗前视相机,一个FOV为30度(挡风玻璃中间),一个FOV为120度(挡风玻璃中间),后视一颗相机(后备箱把手),环视4颗相机(前左右车灯,反光镜向后),周视4颗相机(反光镜向前,尾箱左右),一颗RTK(包括imu和轮速计),前视一颗毫米波,再顶上用一个128线的激光雷达,一个前向固态激光。
1、组合导航(待研究)
1.松耦合
2.紧耦合
3.深耦合
2、高精地图定位
3、SLAM
4、松耦合方案
5、紧耦合方案
6、约束项
1.重投影误差(常见视觉SLAM)
2.相对位姿观测(cartographer)
3.概率地图三线性插值(cartographer)
4.最近点匹配(ICP)
5.点线面之间约束(视觉、激光)
6.点的高斯分布(ndt)
7.像素值插值,类似概率地图
8.估计值和观测值想减(如GPS的绝对观测)
9.相邻两次相减(防止突变)

四、感知
1、传统方法
1.杆
2.牌
3.地面
2、深度学习方法
五、规划
六、控制
七、仿真

相关文章:

自动驾驶技术关键技术梳理

一、硬件 1、 传感器系统设计主要注意以下几个问题: 1.时间同步 一般包括多传感器之间时钟同源、帧同步触发的问题。首先要解决时钟同源问题,然后为了帧同步触发,可以让所有传感器整秒触发。常用GPS(最多分2路)给激光雷…...

MySQL索引介绍

索引的定义 扇区:磁盘存储的最小单位,扇区一般大小为512Byte。磁盘块:文件系统与磁盘交互的的最小单位(计算机系统读写磁盘的最小单位),一个磁盘块由连续几个(2^n)扇区组成&#xf…...

2025认证杯一阶段各题需要使用的模型或算法(冲刺阶段)

A题(小行星轨迹预测) 问题一:三角测量法、最小二乘法、空间几何算法、最优化方法 问题二:Gauss/Laplace轨道确定方法、差分校正法、数值积分算法(如Runge-Kutta法)、卡尔曼滤波器 B题(谣言在…...

每天学一个 Linux 命令(13):touch

Linux 文件管理命令:touch touch 是 Linux 中一个简单但高频使用的命令,主要用于创建空文件或修改文件的时间戳(访问时间、修改时间)。它是文件管理和脚本操作的实用工具。 1. 命令作用 创建空文件:快速生成一个或多个空白文件。更新时间戳:修改文件的访问时间(Access …...

Flutter常用组件实践

Flutter常用组件实践 1、MaterialApp 和 Center(组件居中)2、Scaffold3、Container(容器)4、BoxDecoration(装饰器)5、Column(纵向布局)及Icon(图标)6、Column/Row(横向/横向布局)+CloseButton/BackButton/IconButton(简单按钮)7、Expanded和Flexible8、Stack和Po…...

Python 实现最小插件框架

文章目录 Python 实现最小插件框架1. 基础实现项目结构plugin_base.py - 插件基类plugins/hello.py - 示例插件1plugins/goodbye.py - 示例插件2main.py - 主程序 2. 更高级的特性扩展2.1 插件配置支持2.2 插件依赖管理2.3 插件热加载 3. 使用 setuptools 的入口点发现插件3.1 …...

AUTOSAR_SWS_MemoryDriver图解

AUTOSAR 存储驱动程序(Memory Driver)详解 AUTOSAR存储驱动规范 - 技术解析与架构详解 目录 1. 概述2. Memory Driver架构设计 2.1 整体架构 3. Memory Driver核心组件4. 作业管理5. Memory Driver错误处理6. 时序流程7. 配置与设置8. 总结 1. 概述 A…...

AI结合VBA提升EXCEL办公效率尝试

文章目录 前言一、开始VBA编程二、主要代码三、添加到所有EXCEL四、运行效果五、AI扩展 前言 EXCEL右击菜单添加一个选项,点击执行自己逻辑的功能。 然后让DeepSeek帮我把我的想法生成VBA代码 一、开始VBA编程 我的excel主菜单没有’开发工具‘ 选项,…...

Python中NumPy的索引和切片

在数据科学和科学计算领域,NumPy是一个功能强大且广泛使用的Python库。它提供了高效的多维数组对象以及丰富的数组操作函数,其中索引和切片是NumPy的核心功能之一。通过灵活运用索引和切片操作,我们可以轻松访问和操作数组中的元素&#xff0…...

普通通话CSFB方式(2g/3g)

一、CSFB的触发条件 当模块(或手机)驻留在 4G LTE网络 时,若发生以下事件,会触发CSFB流程: 主叫场景:用户主动拨打电话。被叫场景:接收到来电(MT Call)。紧急呼叫&…...

daily routines 日常生活

总结 🛏 起床相关(Waking Up) 动作常用表达示例句子醒来wake upI usually wake up around 6:30.起床(离床)get up / get out of bedI got out of bed at 6:45.赖床stay in bed / lay thereI stayed in bed for another 10 minutes.关闭闹钟turn off the alarm / hit snoo…...

系分论文《论面向服务开发方法在设备租赁行业的应用》

系统分析师论文系列 【摘要】 2022年5月,我司承接某工程机械租赁企业"智能租赁运营管理平台"建设项目,我作为系统分析师主导系统架构设计。该项目需整合8大类2000余台设备资产,覆盖全国15个区域运营中心与300家代理商,实…...

深度解析python生成器和关键字yield

一、生成器概述 生成器(Generator)是Python中用于创建迭代器的工具,通过yield关键字实现。与普通函数不同,生成器函数返回的是迭代器对象,具有以下核心特性: 内存效率:只在需要时生成值&#x…...

蓝桥杯大模板

init.c void System_Init() {P0 0x00; //关闭蜂鸣器和继电器P2 P2 & 0x1f | 0xa0;P2 & 0x1f;P0 0x00; //关闭LEDP2 P2 & 0x1f | 0x80;P2 & 0x1f; } led.c #include <LED.H>idata unsigned char temp_1 0x00; idata unsigned char temp_old…...

Python装饰器的基本使用详解

各类资料学习下载合集 ​​https://pan.quark.cn/s/8c91ccb5a474​​ 装饰器是Python中的一个强大且灵活的特性&#xff0c;它允许我们在不修改函数代码的情况下为其添加额外功能。装饰器广泛应用于日志记录、性能测试、权限验证等场景。本文将详细介绍装饰器的基本使用&…...

5Why分析法

1. 基本概念 5Why分析法是一种通过连续追问"为什么"来探究问题根本原因的思考工具&#xff0c;由丰田生产方式创始人丰田喜一郎提出。其核心思想是&#xff1a;通过至少5次连续的"为什么"追问&#xff0c;穿透表面现象&#xff0c;直达问题本质。 2. 实施…...

AI Agent入门指南

图片来源网络 ‌一、开箱暴击&#xff1a;你以为的"智障音箱"&#xff0c;其实是赛博世界的007‌ ‌1.1 从人工智障到智能叛逃&#xff1a;Agent进化史堪比《甄嬛传》‌ ‌青铜时代&#xff08;2006-2015&#xff09;‌ “小娜同学&#xff0c;关灯” “抱歉&…...

华为机试—最大最小路

题目 对于给定的无向无根树&#xff0c;第 i 个节点上有一个权值 wi​ 。我们定义一条简单路径是好的&#xff0c;当且仅当&#xff1a;路径上的点的点权最小值小于等于 a &#xff0c;路径上的点的点权最大值大于等于 b 。 保证给定的 a<b&#xff0c;你需要计算有多少条简…...

java之多线程

目录 创建多线程的三种创建方式 常用的成员方法 守护线程 多线程的声明周期 ​编辑 同步代码块​编辑 同步方法 死锁 等待唤醒机制&#xff08;线程协调&#xff09; 线程池 创建多线程的三种创建方式 继承 Thread 类 通过继承 Thread 类并重写 run() 方法创建线程。 …...

php伪协议

PHP 伪协议&#xff08;PHP Stream Wrapper&#xff09; PHP 的伪协议&#xff08;Protocol Wrapper&#xff09;是一种机制&#xff0c;允许开发者通过统一的文件访问函数&#xff08;如 file_get_contents、fopen、include 等&#xff09;访问不同类型的数据源&#xff0c;包…...

六、测试分类

设计测试用例 万能公式&#xff1a;功能测试性能测试界面测试兼容性测试安全性测试易用性测试 弱网测试&#xff1a;fiddler上行速率和下行速率 安装卸载测试 在工作中&#xff1a; 1.基于需求文档来设计测试用例&#xff08;粗粒度&#xff09; 输入字段长度为6~15位 功…...

【AM2634】启动和调试

目录 【AM2634】启动和调试1. 上电流程1.1 BootFlow and Bootloader1.2 Rom Code1.2.1 功能介绍1.2.2 模式选择1.2.2.1 QSPI Boot1.2.2.2 UART Boot1.2.2.3 Dev Boot 1.3 SBL1.3.1 文件构成1.3.2 文件构建1.3.3 appimage解析和core启动流程 1.4 Appimage1.4.1 RPRC文件构成1.4.…...

鲁大师绿色版,纯净无广告

鲁大师是我们常用的硬件跑分软件,可以非常准确的识别电脑硬件,对电脑性能进行评估 但他的流氓行为:广告弹窗,捆绑下载其他软件,疯狂的吃硬件性能,无法卸载等因素&#xff0c;又使我们大家既享用又不敢用 我为大家整理了一款纯净的绿色版鲁大师 主要实现了以下功能: 01屏蔽了…...

Python数组(array)学习之旅:数据结构的奇妙冒险

Python数组学习之旅:数据结构的奇妙冒险 第一天:初识数组的惊喜 阳光透过窗帘缝隙洒进李明的房间,照亮了他桌上摊开的笔记本和笔记本电脑。作为一名刚刚转行的金融分析师,李明已经坚持学习Python编程一个月了。他的眼睛因为昨晚熬夜编程而微微发红,但脸上却挂着期待的微…...

spring cloud微服务API网关详解及各种解决方案详解

微服务API网关详解 1. 核心概念 定义&#xff1a;API网关作为微服务的统一入口&#xff0c;负责请求路由、认证、限流、监控等功能&#xff0c;简化客户端与后端服务的交互。核心功能&#xff1a; 路由与转发&#xff1a;将请求分发到对应服务。协议转换&#xff1a;HTTP/HTTP…...

工程师 - 场效应管分类

What Are the Different Types of FETs? Pulse Octopart Staff Jul 31, 2021 Field effect transistors (FETs) are today’s workhorses for digital logic, but they enjoy plenty of applications outside of digital integrated circuits, everything from motor driver…...

asm汇编源代码之按键处理相关函数

提供5个子程序: 1. 发送按键 sendkey 2. 检测是否有按键 testkey 3. 读取按键 getkey 4. 判断键盘缓冲区是否为空 bufempty 5. 判断键盘缓冲区是否已满 buffull 具体功能及参数描述如下 sendkey proc  far ; axcharcode testkey proc  far ; out: ;   zf1 buff empt…...

程序化广告行业(78/89):多因素交织下的行业剖析与展望

程序化广告行业&#xff08;78/89&#xff09;&#xff1a;多因素交织下的行业剖析与展望 在程序化广告这片充满活力又不断变化的领域&#xff0c;持续学习和知识共享是我们紧跟潮流、实现突破的关键。一直以来&#xff0c;我都渴望能与大家一同探索这个行业的奥秘&#xff0c…...

如何使用MaxScript+dotNet在UI中显示图像?

在MaxScript中,你可以使用dotNetControl来显示图像。以下是一个简单的示例脚本,它创建一个UI窗口并在其中显示logo.jpg图像: rollout logoRollout "Logo Display" width:300 height:300 (dotNetControl logoPicture "System.Windows.Forms.PictureBox"…...

BitMap和RoaringBitmap:极致高效的大数据结构

目录 1、引言 2、BitMap:基础 2.1、核心原理 2.2、BitMap的优势 2.3、BitMap的局限性 3、RoaringBitmap:进化 3.1、分段策略 3.2、三种容器类型 3.2.1. ArrayContainer(数组容器) 3.2.2. BitMapContainer(位图容器) 3.2.3. RunContainer(行程容器) 3.3、行…...

Java高性能并发利器-VarHandle

1. 什么是 VarHandle&#xff1f;​​ VarHandle 是 Java 9 引入的类&#xff0c;用于对变量&#xff08;对象字段、数组元素、静态变量等&#xff09;进行低级别、高性能的原子操作&#xff08;如 CAS、原子读写&#xff09;。它是 java.util.concurrent.atomic 和 sun.misc.…...

关于读完《毛泽东选集》的一些思考迭代

看完毛选前四卷&#xff0c;从革命初期一直讲到抗战胜利&#xff0c;共75.8W字&#xff0c;花费67个小时读完。从1925年发表的“中国社会各阶级的分析”&#xff0c;跨越100年&#xff0c;通过67个小时向主席学习到&#xff1a; 实事求是 从实践中来再到实践中去 用辩证与发展…...

机器学习 第一章

&#x1f9e0; 机器学习 第一章 一、什么是机器学习 (Machine Learning) 让计算机自己从数据中学习出规律&#xff0c;无需人手写规则 输入: 特征 x输出: 标签 y学习目标: 学习出 f(x) 等价于 y 二、三大类型任务 类型英文特点示例回归Regression输出是连续值房价预测分类Cla…...

LVS+Keepalived+DNS 高可用项目

项目架构 主机规划 主机IP角色软件lb-master172.25.250.105主备负载均衡器ipvsadm&#xff0c;keepalivedlb-backup172.25.250.106同时做web和dns调度ipvsadm&#xff0c;keepaliveddns-master172.25.250.107VIP&#xff1a;172.25.250.100binddns-slave172.25.250.108LVS DNS…...

app逆向专题三:adb工具的使用

app逆向专题三&#xff1a;adb工具的使用 一、adb工具的配置二、adb工具的下载与安装 一、adb工具的配置 adb它是一个通用命令行工具&#xff0c;它可以作为Android与PC端连接的一个桥梁&#xff0c;所以adb又成为Android调试桥&#xff0c;用户可以通过adb在电脑上对Android设…...

CAD导入arcgis中保持面积不变的方法

1、加载CAD数据&#xff0c;选择面数据&#xff0c;如下&#xff1a; 2、加载进来后&#xff0c;右键导出数据&#xff0c;导出成面shp数据&#xff0c;如下&#xff1a; 3、选择存储路径&#xff0c;导出面后计算面积&#xff0c;如下&#xff1a; 4、与CAD中的闭合线面积核对…...

提示词 (Prompt)

引言 在生成式 AI 应用中&#xff0c;Prompt&#xff08;提示&#xff09;是与大型语言模型&#xff08;LLM&#xff09;交互的核心输入格式。Prompt 的设计不仅决定了模型理解任务的准确度&#xff0c;还直接影响生成结果的风格、长度、结构与可控性。随着模型能力和应用场景…...

并查集(Java模板及优化点解析)

并查集 一、核心思想 并查集&#xff08;Union-Find&#xff09;是一种处理不相交集合合并与查询的高效数据结构&#xff0c;核心功能包括&#xff1a; 合并&#xff08;Union&#xff09;&#xff1a;将两个不相交集合合并为一个集合。查询&#xff08;Find&#xff09;&am…...

本地部署大模型(ollama模式)

分享记录一下本地部署大模型步骤。 大模型应用部署可以选择 ollama 或者 LM Studio。本文介绍ollama本地部署 ollama官网为&#xff1a;https://ollama.com/ 进入官网&#xff0c;下载ollama。 ollama是一个模型管理工具和平台&#xff0c;它提供了很多国内外常见的模型&…...

【JavaEE】TCP流套接字编程

目录 API 1.Socket类(客户端) 2.ServerSocket类(服务端) 创建回显服务器-客户端 服务器引入多线程 服务器引入线程池 解疑惑 长短连接 在Java中&#xff0c;TCP流套接字是基于TCP协议实现的网络通信方式&#xff0c;提供面向连接、可靠、有序的双向字节流传输。 API T…...

SQL问题分析与诊断(8)——分析方法1

8.4. 方法 8.4.1. 分析Cost方法 8.4.1.1. 方法说明 SQL Server中,通过阅读和分析SQL语句的评估查询计划,才是现实SQL优化工作中经常被采用的方法。然而,与Oracle等关系库类似,我们对SQL语句的查询计划进行阅读和分析时,首先要做的就是对SQL语句的整个查询计划进行快速的…...

【深度学习基础】神经网络入门:从感知机到反向传播

摘要 神经网络是深度学习的核心&#xff01;本文将带你从零开始理解神经网络的基本原理&#xff0c;包括感知机模型、激活函数选择、反向传播算法等核心概念&#xff0c;并通过Python实现一个简单的全连接神经网络。文末提供《神经网络公式推导手册》和实战项目资源包&#xf…...

linux RCU技术

RCU&#xff08;Read-Copy-Update&#xff09;是Linux内核中的一种同步机制&#xff0c;用于在多核处理器环境中实现无锁读取和延迟更新。Linux RCU&#xff08;Read-Copy-Update&#xff09;技术通过一种高效的同步机制来处理并发冲突&#xff0c;确保在多核环境中读者和写者对…...

Hadoop文件操作指南:深入解析文件操作

1 Hadoop文件系统概述 Hadoop分布式文件系统(HDFS)是Hadoop生态的核心存储组件&#xff0c;专为大规模数据集设计&#xff0c;具有高容错性和高吞吐量特性。 HDFS核心特性: 分布式存储&#xff1a;文件被分割成块(默认128MB)分布存储多副本机制&#xff1a;每个块默认3副本&…...

【AI论文】VCR-Bench:视频链式思考推理的综合评估框架

摘要&#xff1a;思想链&#xff08;CoT&#xff09;推理的进步显著增强了大型语言模型&#xff08;LLMs&#xff09;和大型视觉语言模型&#xff08;LVLMs&#xff09;的能力。 然而&#xff0c;目前仍然缺乏一个严格的视频CoT推理评估框架。 目前的视频基准测试无法充分评估推…...

激光雷达点云动态目标剔除算法

剔除点云地图中动态目标的方法可分为基于体素、基于视点可见性和基于深度学习的方法。基于体素的方法通过点云地图体素占用率或点云地图体素与单帧点云数据差异剔除动态目标。 OctoMap算法在使用单帧点云数据构建点云地图的过程中&#xff0c;不断更新体素占用率&#xff0c;直…...

第五篇:Python面向对象编程(OOP)深度教程

1. 类与对象 1.1 基本概念 ​​类​​是创建对象的蓝图,定义了对象的​​属性​​(数据)和​​方法​​(行为)。​​对象​​是类的实例化实体,每个对象拥有独立的属性值和共享的类方法 ​​示例​​:定义Dog类 class Dog:species = "Canis familiaris" …...

Java IO精讲:从传统IO到NIO的深度探索

一、Java IO概述 Java IO&#xff08;Input/Output&#xff09; 是Java处理输入输出的核心API&#xff0c;涵盖文件操作、网络通信等场景。其发展分为三个阶段&#xff1a; 传统IO (java.io)&#xff1a;基于流模型&#xff0c;阻塞式处理NIO (java.nio)&#xff1a;New IO&a…...

效率工具- git rebase 全解

一、前言 对于git rebase 一直不太了解,这几天想着提高下git提交质量,就发现了这个好用的指令,顺便记录一下,好加深记忆 贴出官方文档以便大家进一步学习 Git 二、rebase是作用 rebase 官方解释为变基,可以理解为移动你的分支根节点,维护一个更好的提交记录。rebase把你当前…...

开启深度学习之旅

深度学习作为人工智能领域最激动人心的分支之一&#xff0c;正在改变我们与科技互动的方式。本文将为您提供深度学习的入门指南&#xff0c;帮助您踏上这一充满可能性的旅程。 一、深度学习基础概念 深度学习是机器学习的一个子集&#xff0c;它使用多层神经网络来模拟人脑的…...