登录社区云,与社区用户共同成长
邀请您加入社区
暂无图片
为遵守国家网络实名制规定,未绑定将限制内容发布与互动
BEV技术在智能驾驶感知领域面临工程化挑战,Dense BEV方法因全量建模导致计算复杂度高、系统不可持续。Sparse4D提出转向以对象为中心的稀疏建模,将计算资源集中于关键实体而非均匀空间,重构了感知任务本质。该方法将时间维度作为核心轴线,形成持续状态估计系统,重新定义了自动驾驶系统对世界的理解需求。Sparse4D代表了BEV技术从理论建模到工程实用的关键转折,通过聚焦决策相关对象而非完整世
地平线首次亮相“揭榜挂帅”擂台赛 聚力赋能科技创新 设置21个奖项 总奖金池约30万元,其中擂主团队奖金10万元 获奖者更有机会进入地平线人才储备池 并优先获得实习及就业的推荐机会 扫描下方二维码 立即查看赛题详情 ▼▼▼ 中国青年科技创新“揭榜挂帅”擂台赛榜题正式发布!自2017年挑战杯“揭榜挂帅”专项赛成立以来,累计吸引来自全国上千所高校、数万名学子踊跃参与,本届赛事聚焦八大前沿科创领域,精选
本文系统梳理了CenterPoint 3D目标检测模型的结构设计及其在地平线工具链中的实现。该模型采用anchor-free、center-based方法,在BEV平面上预测目标中心点并回归几何属性。文章详细解析了Head设计与box语义的绑定关系、训练与推理阶段的维度差异,以及部署模式下的输入输出语义约束。通过nuScenes到KITTI的配置修改示例,说明了模型应用级改造需要同步调整Head、
本文系统梳理了自动驾驶感知算法从2D图像识别到BEV世界建模的演进历程。早期2D感知仅能识别物体类别,缺乏真实几何理解;LiDAR-first路线引入三维信息但语义不足。
由于Resizer输入的模型其stride以及valid_shape均为动态,且模型性能与roi参数相关,需要用户提供真实的推理数据和roi信息。当前argmax节点的输出结构由于reshape在cast之后(如下图所示),因此无法直接通过remove_io_op删除cast,建议用户依据执行argmax操作维度的尺寸,在torch模型中将输出的index cast到对应数据类型再导出onnx/.
SparseBevFusionMultitaskOE是地平线征程6上的BEV多任务感知参考算法,包含动态检测、静态要素和占用格预测三个头。文章介绍了其模型结构、训练量化策略及部署优化建议。
文章系统分析了hbVPRoiResize接口的功能、ROI缩放规则及YUV场景下的硬件约束,通过案例解释了典型报错原因与修正方法。
本文针对算法模型在征程6芯片部署时的算子适配、效率和精度问题,提供了算子替换与优化方案,以提升模型运行性能。
本文演示了地平线征程6平台电源管理API的使用,包括启动标志读写、main域上下电、状态查询、复位、全系统下电及多种休眠唤醒场景的示例代码。
本文介绍了地平线征程6B计算平台的部署指南,涵盖硬件配置、工具链(PTQ/QAT)、模型转换、板端部署(UCP)及性能监测。