- Load:0 second
- Duration:0 second
- Size:0x0
- Volume:0%
- Fps:60fps
- Sudio decoded:0 Byte
- Video decoded:0 Byte
iVEia推出面向自動駕駛汽車的駕駛平臺，該平臺由Perrone Robotics和Xilinx聯合開發(fā)。與高功耗標準計算架構相比，Xilinx MPSoC異構計算技術可實現更小的外形，更低的功耗，以及 高度的可擴展性，在其發(fā)展至自動駕駛汽車的過程中，適應各種新的算法。
聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網立場。文章及其配圖僅供工程師學習之用，如有內容侵權或者其他違規(guī)問題，請聯系本站處理。
舉報投訴
-
汽車電子
+關注
關注
3036文章
8274瀏覽量
169739 -
賽靈思
+關注
關注
33文章
1797瀏覽量
132174 -
自動駕駛
+關注
關注
788文章
14246瀏覽量
169958
發(fā)布評論請先 登錄
相關推薦
熱點推薦
NVIDIA Halos自動駕駛汽車安全系統(tǒng)發(fā)布
自動駕駛汽車的開發(fā)。正確的技術與框架對確保自動駕駛汽車駕駛員、乘客和行人的安全至關重要。 因此，NVIDIA 推出了NVIDIA Halos綜合安全系統(tǒng)，將 NVIDIA 的
理想汽車推出全新自動駕駛架構
2025年3月18日，理想汽車自動駕駛技術研發(fā)負責人賈鵬在NVIDIA GTC 2025發(fā)表主題演講《VLA：邁向自動駕駛物理智能體的關鍵一步》，分享了理想汽車對于下一代
自動駕駛的未來 - 了解如何無縫、可靠地完成駕駛
作者：Don Horne 投稿人：DigiKey 北美編輯 自動駕駛組件的最新進展使許多駕駛員的“無需干預”成為現實。然而，許多駕駛員對真正自動駕駛
標貝科技：自動駕駛中的數據標注類別分享
自動駕駛訓練模型的成熟和穩(wěn)定離不開感知技術的成熟和穩(wěn)定，訓練自動駕駛感知模型需要使用大量準確真實的數據。據英特爾計算，L3+級自動駕駛每輛汽車每天產生的數據高達4000GB，作為
標貝科技：自動駕駛中的數據標注類別分享
自動駕駛訓練模型的成熟和穩(wěn)定離不開感知技術的成熟和穩(wěn)定，訓練自動駕駛感知模型需要使用大量準確真實的數據。據英特爾計算，L3+級自動駕駛每輛汽車每天產生的數據高達4000GB，作為
MEMS技術在自動駕駛汽車中的應用
MEMS技術在自動駕駛汽車中的應用主要體現在傳感器方面，這些傳感器為自動駕駛汽車提供了關鍵的環(huán)境感知和數據采集能力。以下是對MEMS技術在自動駕駛
自動駕駛HiL測試方案案例分析--ADS HiL測試系統(tǒng)#ADAS #自動駕駛 #VTHiL
自動駕駛
北匯信息POLELINK
發(fā)布于 :2024年10月22日 15:20:19
自動駕駛技術的典型應用 自動駕駛技術涉及到哪些技術
自動駕駛技術的典型應用 自動駕駛技術是一種依賴計算機、無人駕駛設備以及各種傳感器，實現汽車自主行駛的技術。它通過使用人工智能、視覺計算、雷達、監(jiān)控裝置和全球定位系統(tǒng)等技術，使
FPGA在自動駕駛領域有哪些優(yōu)勢?
需更換整個硬件平臺。
綜上所述，FPGA在自動駕駛領域具有高性能、靈活性、低延遲、高能效比、硬件級安全、易于集成與擴展以及長期可維護性等顯著優(yōu)勢。這些優(yōu)勢使得FPGA成為自動駕駛技術中不可或缺的一部分，為
發(fā)表于 07-29 17:11
FPGA在自動駕駛領域有哪些應用？
低，適合用于實現高效的圖像算法，如車道線檢測、交通標志識別等。
雷達和LiDAR處理：自動駕駛汽車通常會使用雷達和LiDAR（激光雷達）等多種傳感器來獲取環(huán)境信息。FPGA能夠協(xié)助完成這些傳感器
發(fā)表于 07-29 17:09
自動駕駛汽車如何識別障礙物
自動駕駛汽車識別障礙物是一個復雜而關鍵的過程，它依賴于多種傳感器和技術的協(xié)同工作。這些傳感器主要包括激光雷達（LiDAR）、雷達、攝像頭以及超聲波雷達等，它們各自具有不同的工作原理和優(yōu)勢，共同為自動駕駛
自動駕駛汽車傳感器有哪些
自動駕駛汽車傳感器是實現自動駕駛功能的關鍵組件，它們通過采集和處理車輛周圍環(huán)境的信息，為自動駕駛系統(tǒng)提供必要的感知和決策依據。以下是對自動駕駛
工商網監(jiān)
評論