自动驾驶学习笔记001

简介: autosar

词汇解释:
SOA:SOA(Service-Oriented Architecture)面向服务的架构
autosar:AUTomotive Open System ARchitecture(汽车开放系统架构)。
AUTOSAR官网解释了其建立的初衷和愿景:考虑到当前和未来市场中不同的汽车电子电气架构,
合作伙伴关系为汽车软件架构建立了事实上的开放行业标准。
它将作为管理未来应用程序和标准软件模块中功能的基本基础设施。

autosar adaptiver platform:异构架构
目前Adaptive platform主要用在智能驾驶,ADAS等系统中。此平台将会和目前手机、计算机十分相似。

ECU(Electronic Control Unit)电子控制单元,又称“行车电脑”、“车载电脑”等。
ros

汽车EE架构介绍
域控制器阶段

实时处理 计算后的数据 给出方案
sender和 receiver互不关心
client查找和订阅服务 提供订阅的数据变更通知

SOA:
服务分离
订阅发布中间件:Mqtt
支持协议:Some/Ip、IPC、DDS
主备节点
服务升级

注册 查找 调用

autosar
应用软件层(Application Software Layer,ASW)、
运行时环境(Runtime Environment,RTE)、
基础软件层(Basic Software Layer,BSW)和
微控制器(Microcontroller)。

相关文章
|
6月前
|
自动驾驶 算法 定位技术
为什么自动驾驶永远离不开C++?
为什么自动驾驶永远离不开C++?
133 0
|
6月前
|
机器学习/深度学习 存储 缓存
深度学习与Apollo自动驾驶:创造智能驾驶的未来
深度学习与Apollo自动驾驶:创造智能驾驶的未来
|
6月前
|
传感器 人工智能 自动驾驶
【Apollo】阿波罗自动驾驶:塑造自动驾驶技术的未来
【Apollo】阿波罗自动驾驶:塑造自动驾驶技术的未来
|
14天前
|
传感器 人工智能 自动驾驶
人工智能在自动驾驶汽车中的应用
【10月更文挑战第31天】人工智能在自动驾驶汽车中的应用是科技进步与汽车产业转型的产物。通过计算机视觉、雷达、LiDAR和超声波传感器等技术,自动驾驶汽车实现了精准感知;借助复杂AI算法,实现决策与控制、路径规划与导航。尽管面临技术成熟度、法规与伦理、公众接受度等挑战,但未来自动驾驶汽车有望在全球范围内实现商业化普及,彻底改变出行方式,提高道路安全,减少交通拥堵,促进绿色出行。
|
5月前
|
机器学习/深度学习 传感器 自动驾驶
探讨深度学习在自动驾驶中的应用,以及它如何推动自动驾驶技术的发展
【6月更文挑战第13天】本文探讨了深度学习在自动驾驶汽车中的核心应用,涉及环境感知、决策规划和控制执行。深度学习通过模拟神经元工作方式处理传感器数据,如使用CNN和RNN识别图像和雷达信息。此外,它助力智能决策规划和精确控制执行。然而,数据需求、可解释性和实时性是当前挑战,可通过数据增强、规则方法、模型压缩等手段解决。随着技术发展,深度学习将进一步提升自动驾驶性能,并应对安全和隐私挑战。
196 5
|
5月前
|
机器学习/深度学习 传感器 人工智能
人工智能在自动驾驶汽车决策系统中的应用
人工智能在自动驾驶汽车决策系统中的应用
|
5月前
|
传感器 机器学习/深度学习 自动驾驶
自动驾驶技术
自动驾驶技术简介
|
6月前
|
传感器 机器学习/深度学习 自动驾驶
自动驾驶中的感知模型:实现安全和智能驾驶的关键
自动驾驶中的感知模型:实现安全和智能驾驶的关键
146 9
|
6月前
|
传感器 自动驾驶 安全
深入探讨自动驾驶感知技术:实现无人驾驶的关键
深入探讨自动驾驶感知技术:实现无人驾驶的关键
257 5
|
机器学习/深度学习 传感器 自动驾驶
自动驾驶技术1
自动驾驶技术1
62 1
下一篇
无影云桌面