超声波测距怎么与图像融合

1. 室内定位技术都有哪些

超声波技术
超声波定位目前大多数采用反射式测距法。系统由一个主测距器和若干个电子标签组成，主测距器可放置于移动机器人本体上，各个电子标签放置于室内空间的固定位置。定位过程如下：先由上位机发送同频率的信号给各个电子标签，电子标签接收到后又反射传输给主测距器，从而可以确定各个电子标签到主测距器之间的距离，并得到定位坐标。
红外线技术
红外线是一种波长间于无线电波和可见光波之间的电磁波。典型的红外线室内定位系统Activebadges使待测物体附上一个电子标识，该标识通过红外发射机向室内固定放置的红外接收机周期发送该待测物唯一ID，接收机再通过有线网络将数据传输给数据库。这个定位技术功耗较大且常常会受到室内墙体或物体的阻隔，实用性较低。
超宽带技术
超宽带技术是近年来新兴的一项无线技术，目前，包括美国，日本，加拿大等在内的国家都在研究这项技术，在无线室内定位领域具有良好的前景。UWB技术是一种传输速率高（最高可达1000Mbps以上），发射功率较低，穿透能力较强并且是基于极窄脉冲的无线技术，无载波。正是这些优点，使它在室内定位领域得到了较为精确的结果。
射频识别技术
射频定位技术实现起来非常方便，而且系统受环境的干扰较小，电子标签信息可以编辑改写比较灵活。

2. 毫末DriveGPT雪湖·海若，让自动驾驶更早到来

ChatGPT的火爆，让AI大模型成为各大科技巨头争相布局的重点。

无论是国外的微软、谷歌、Meta，还是国内的网络、华为、阿里、商汤等企业，都已经涉足AI大模型的研究与探索。

如同2016年AlphaGo的横空出世一般，AI大模型的爆发也是引发AI变革的划时代里程碑。阿里巴巴集团董事会主席兼CEO张勇甚至认为，所有行业、所有应用、所有软件、所有服务都值得基于新型人工智能技术以及大模型支撑重做一遍。

英伟达CEO黄仁勋也曾表达过同样的观点，他认为AI产业迎来“iPhone”时刻，AI技术爆炸、产业爆发的趋势已经势不可挡，甚至将撬动涵盖交通医疗、运输、零售及物流在内的百万亿美金的市场。

正如毫末智行董事长张凯在4月11日举办的第八届HAOMO AI DAY的演讲中所形容的，“距离上一届HAOMO AI DAY刚刚过去三个月，却仿佛跨入了一个新周期”，一系列AI大模型的陆续发布，让更多人相信人工智能技术迎来从量变到质变的重大节点。

在第八届HAOMO AI DAY上，毫末智行也发布了业内首个自动驾驶生成式大模型DriveGPT，中文名“雪湖·海若”。

△毫末智行董事长张凯、CEO顾维灏、COO侯军、CIO甄龙豹在HAOMO AI DAY现场

对于大模型，毫末并不陌生。此次发布自动驾驶生成式大模型DriveGPT雪湖·海若，既不是毫末的跟风之举，也不是为了蹭GPT的热点。

早在两年前，毫末就已经开始关注并投入到AI大模型技术的研发之中。在AI自动驾驶领域，毫末可以说是大模型研发和应用的先行者。

毫末为什么要研发DriveGPT雪湖·海若？

毫末智行CEO顾维灏说，他在这段时间经常会被问到这个问题。在毫末看来，DriveGPT雪湖·海若将会重塑汽车智能化技术路线，让辅助驾驶进化更快，让自动驾驶更早到来。

张凯判断，2023年智驾产品将进入全线爆发期，“生成式大模型将成为自动驾驶系统进化的关键”。

接下来，基于 Transformer 大模型训练的感知、认知算法会逐步在车端进行落地部署，而随着大模型开启在车端的落地应用，车主的使用频率和满意度成为产品竞争力的重要衡量标准。张凯表示，“毫末不断进步的数据驱动的六大闭环能力，将进一步加速毫末进入自动驾驶3.0时代的步伐，并形成相应的护城河”。

01

业内首个自动驾驶生成式大模型

最近一段时间，关于自动驾驶的未来，行业内出现了截然不同的观点。

乐观派认为到2030年之前L3级自动驾驶将会批量落地；悲观派断定，“十年内L3自动驾驶技术都不会到来”；唱衰派则称自动驾驶“都是扯淡...都是忽悠，就是一场皇帝的新装……最终就是一个高级辅助驾驶而已”。

无论哪一派观点，一个不容忽视的现实是，自动驾驶技术的变革才刚刚开始。特别是AI大模型引发的产业应用和变革，更是为自动驾驶技术发展注入全新的动力。

同济大学教授、汽车安全技术研究所所长朱西产也在第八届HAOMO AI DAY上分享了自己的观点：自动驾驶不能长期停留在L2+，还是要去做到L3、L4，最终走向终局的无人驾驶。

毫末也一直相信，AI大模型已成为自动驾驶技术进化的核心动力之一。在今年1月的第七届HAOMO AI DAY上，顾维灏就分享了其智算中心，以及从感知到认知以及仿真的五大大模型，包括视觉自监督大模型、3D重建大模型、多模态互监督大模型、动态环境大模型、人驾自监督认知大模型。

毫末这五大大模型，与如今爆火的AI大模型有很多共同之处。

据顾维灏介绍，DriveGPT雪湖·海若通过引入驾驶数据建立RLHF（人类反馈强化学习）技术，对自动驾驶认知决策模型进行持续优化。

现阶段，DriveGPT雪湖·海若主要用于解决自动驾驶的认知决策问题，后续持续会将毫末多个大模型的能力整合到DriveGPT，但最终目标是实现端到端自动驾驶。

3. agv导引车常用的导引技术有什么

以下是agv导引车常用的导引技术有以下9点：

1、电磁导航：通过在AGV行驶路径上埋设金属线，利用电磁感应原理实现导航。AGV通过感应磁场强弱来识别和跟踪路径。这种导航方式具有简单、可靠的优点，适用于各种环境。

2、磁带导航：采用磁带作为导航路径，通过AGV上的磁传感器检测磁带上的信号来确定行驶方向。这种方式成本较低，但路径更改较为麻烦。

3、惯性导航：利用陀螺仪和加速度计等惯性传感器来检测AGV的加速度、角速度和方向等信息，通过积分运算得到AGV的位置和姿态。这种方式无需外部信号，但长时间运行会产生累积误差。

4、激光导航：通过在AGV行驶路径周围安装激光反射板，AGV发射激光束并接收反射回来的信号，根据三角几何运算确定自身位置和方向。这种方式定位精度高，路径更改灵活，但成本较高。

5、视觉导航：利用摄像头获取周边环境图像，通过计算机视觉技术进行处理和识别，实现AGV的导航。这种方式可以适应复杂多变的环境，具有较高的智能性和灵活性。

6、GPS导航：通过接收卫星信号来确定AGV的位置和速度，实现全球范围内的导航。这种方式适用于室外广阔区域的导航，但受天气和信号遮挡等因素影响。

7、超声波导航：利用超声波传感器发射超声波并接收反射回来的信号，根据回声测距原理来确定AGV的位置和障碍物信息。这种方式结构简单，成本低廉，但精度和稳定性有待提高。

8、多传感器融合导航：将多种传感器如电磁、激光、视觉、超声波等进行信息融合和处理，实现AGV的精确导航和定位。这种方式可以充分利用各种传感器的优点，提高导航系统的性能和鲁棒性。

9、二维码导航：通过在AGV行驶路径上铺设二维码标签，AGV通过扫描二维码获取位置和方向信息来实现导航。这种方式成本较低，路径更改灵活，但需要定期维护和更换二维码标签。