超聲波測距怎麼與圖像融合

1. 室內定位技術都有哪些

超聲波技術
超聲波定位目前大多數採用反射式測距法。系統由一個主測距器和若干個電子標簽組成，主測距器可放置於移動機器人本體上，各個電子標簽放置於室內空間的固定位置。定位過程如下：先由上位機發送同頻率的信號給各個電子標簽，電子標簽接收到後又反射傳輸給主測距器，從而可以確定各個電子標簽到主測距器之間的距離，並得到定位坐標。
紅外線技術
紅外線是一種波長間於無線電波和可見光波之間的電磁波。典型的紅外線室內定位系統Activebadges使待測物體附上一個電子標識，該標識通過紅外發射機向室內固定放置的紅外接收機周期發送該待測物唯一ID，接收機再通過有線網路將數據傳輸給資料庫。這個定位技術功耗較大且常常會受到室內牆體或物體的阻隔，實用性較低。
超寬頻技術
超寬頻技術是近年來新興的一項無線技術，目前，包括美國，日本，加拿大等在內的國家都在研究這項技術，在無線室內定位領域具有良好的前景。UWB技術是一種傳輸速率高（最高可達1000Mbps以上），發射功率較低，穿透能力較強並且是基於極窄脈沖的無線技術，無載波。正是這些優點，使它在室內定位領域得到了較為精確的結果。
射頻識別技術
射頻定位技術實現起來非常方便，而且系統受環境的干擾較小，電子標簽信息可以編輯改寫比較靈活。

2. 毫末DriveGPT雪湖·海若，讓自動駕駛更早到來

ChatGPT的火爆，讓AI大模型成為各大科技巨頭爭相布局的重點。

無論是國外的微軟、谷歌、Meta，還是國內的網路、華為、阿里、商湯等企業，都已經涉足AI大模型的研究與探索。

如同2016年AlphaGo的橫空出世一般，AI大模型的爆發也是引發AI變革的劃時代里程碑。阿里巴巴集團董事會主席兼CEO張勇甚至認為，所有行業、所有應用、所有軟體、所有服務都值得基於新型人工智慧技術以及大模型支撐重做一遍。

英偉達CEO黃仁勛也曾表達過同樣的觀點，他認為AI產業迎來「iPhone」時刻，AI技術爆炸、產業爆發的趨勢已經勢不可擋，甚至將撬動涵蓋交通醫療、運輸、零售及物流在內的百萬億美金的市場。

正如毫末智行董事長張凱在4月11日舉辦的第八屆HAOMO AI DAY的演講中所形容的，「距離上一屆HAOMO AI DAY剛剛過去三個月，卻彷彿跨入了一個新周期」，一系列AI大模型的陸續發布，讓更多人相信人工智慧技術迎來從量變到質變的重大節點。

在第八屆HAOMO AI DAY上，毫末智行也發布了業內首個自動駕駛生成式大模型DriveGPT，中文名「雪湖·海若」。

△毫末智行董事長張凱、CEO顧維灝、COO侯軍、CIO甄龍豹在HAOMO AI DAY現場

對於大模型，毫末並不陌生。此次發布自動駕駛生成式大模型DriveGPT雪湖·海若，既不是毫末的跟風之舉，也不是為了蹭GPT的熱點。

早在兩年前，毫末就已經開始關注並投入到AI大模型技術的研發之中。在AI自動駕駛領域，毫末可以說是大模型研發和應用的先行者。

毫末為什麼要研發DriveGPT雪湖·海若？

毫末智行CEO顧維灝說，他在這段時間經常會被問到這個問題。在毫末看來，DriveGPT雪湖·海若將會重塑汽車智能化技術路線，讓輔助駕駛進化更快，讓自動駕駛更早到來。

張凱判斷，2023年智駕產品將進入全線爆發期，「生成式大模型將成為自動駕駛系統進化的關鍵」。

接下來，基於 Transformer 大模型訓練的感知、認知演算法會逐步在車端進行落地部署，而隨著大模型開啟在車端的落地應用，車主的使用頻率和滿意度成為產品競爭力的重要衡量標准。張凱表示，「毫末不斷進步的數據驅動的六大閉環能力，將進一步加速毫末進入自動駕駛3.0時代的步伐，並形成相應的護城河」。

01

業內首個自動駕駛生成式大模型

最近一段時間，關於自動駕駛的未來，行業內出現了截然不同的觀點。

樂觀派認為到2030年之前L3級自動駕駛將會批量落地；悲觀派斷定，「十年內L3自動駕駛技術都不會到來」；唱衰派則稱自動駕駛「都是扯淡...都是忽悠，就是一場皇帝的新裝……最終就是一個高級輔助駕駛而已」。

無論哪一派觀點，一個不容忽視的現實是，自動駕駛技術的變革才剛剛開始。特別是AI大模型引發的產業應用和變革，更是為自動駕駛技術發展注入全新的動力。

同濟大學教授、汽車安全技術研究所所長朱西產也在第八屆HAOMO AI DAY上分享了自己的觀點：自動駕駛不能長期停留在L2+，還是要去做到L3、L4，最終走向終局的無人駕駛。

毫末也一直相信，AI大模型已成為自動駕駛技術進化的核心動力之一。在今年1月的第七屆HAOMO AI DAY上，顧維灝就分享了其智算中心，以及從感知到認知以及模擬的五大大模型，包括視覺自監督大模型、3D重建大模型、多模態互監督大模型、動態環境大模型、人駕自監督認知大模型。

毫末這五大大模型，與如今爆火的AI大模型有很多共同之處。

據顧維灝介紹，DriveGPT雪湖·海若通過引入駕駛數據建立RLHF（人類反饋強化學習）技術，對自動駕駛認知決策模型進行持續優化。

現階段，DriveGPT雪湖·海若主要用於解決自動駕駛的認知決策問題，後續持續會將毫末多個大模型的能力整合到DriveGPT，但最終目標是實現端到端自動駕駛。

3. agv導引車常用的導引技術有什麼

以下是agv導引車常用的導引技術有以下9點：

1、電磁導航：通過在AGV行駛路徑上埋設金屬線，利用電磁感應原理實現導航。AGV通過感應磁場強弱來識別和跟蹤路徑。這種導航方式具有簡單、可靠的優點，適用於各種環境。

2、磁帶導航：採用磁帶作為導航路徑，通過AGV上的磁感測器檢測磁帶上的信號來確定行駛方向。這種方式成本較低，但路徑更改較為麻煩。

3、慣性導航：利用陀螺儀和加速度計等慣性感測器來檢測AGV的加速度、角速度和方向等信息，通過積分運算得到AGV的位置和姿態。這種方式無需外部信號，但長時間運行會產生累積誤差。

4、激光導航：通過在AGV行駛路徑周圍安裝激光反射板，AGV發射激光束並接收反射回來的信號，根據三角幾何運算確定自身位置和方向。這種方式定位精度高，路徑更改靈活，但成本較高。

5、視覺導航：利用攝像頭獲取周邊環境圖像，通過計算機視覺技術進行處理和識別，實現AGV的導航。這種方式可以適應復雜多變的環境，具有較高的智能性和靈活性。

6、GPS導航：通過接收衛星信號來確定AGV的位置和速度，實現全球范圍內的導航。這種方式適用於室外廣闊區域的導航，但受天氣和信號遮擋等因素影響。

7、超聲波導航：利用超聲波感測器發射超聲波並接收反射回來的信號，根據回聲測距原理來確定AGV的位置和障礙物信息。這種方式結構簡單，成本低廉，但精度和穩定性有待提高。

8、多感測器融合導航：將多種感測器如電磁、激光、視覺、超聲波等進行信息融合和處理，實現AGV的精確導航和定位。這種方式可以充分利用各種感測器的優點，提高導航系統的性能和魯棒性。

9、二維碼導航：通過在AGV行駛路徑上鋪設二維碼標簽，AGV通過掃描二維碼獲取位置和方向信息來實現導航。這種方式成本較低，路徑更改靈活，但需要定期維護和更換二維碼標簽。