康謀keymotek文章

• 技術分享 | 高逼真合成數據助力智駕“看得更準、學得更快”2025-04-29 10:47

  

  自動駕駛研發(fā)如何高效獲取海量訓練數據？高逼真合成數據技術正在提供新解法。通過仿真平臺可生成多場景、多傳感器的精準標注數據。文章詳解如何構建符合nuScenes標準的數據集，覆蓋復雜交通場景，為感知模型訓練提供高效、可控的數據支持。

  仿真 數據 標定 汽車 算法 3537瀏覽量

• 康謀分享 | 特斯拉AD/ADAS緊急制動安全分析案例2025-04-23 09:34

  

  基于1.5萬公里實測數據，本文揭示Autopilot三大緊急制動特征：對鄰車道的過度防御制動、ODD外場景的靜默退出風險及信號燈響應困境。研究通過多模態(tài)數據融合技術，量化分析制動事件，為ADAS系統(tǒng)優(yōu)化提供重要依據

  adas 數據分析 特斯拉 自動駕駛 2790瀏覽量

• 方案分享 | ADAS時空融合數據采集方案2025-04-16 09:51

  

  隨著傳感器數量的增加和數據規(guī)模的指數級增長，行業(yè)正面臨一系列挑戰(zhàn)：多源傳感器數據的時間同步難題、復雜數據格式的適配、測量技術的靈活性不足、設備集成周期冗長等，這些問題正成為自動駕駛研發(fā)與測試的“隱形瓶頸”。 

  傳感器 數據采集 時間同步 自動駕駛 雷達 2935瀏覽量

• 康謀分享 | 仿真驅動、數據自造：巧用合成數據重構智能座艙2025-04-02 09:50

  

  隨著汽車向智能化、場景化加速演進，智能座艙已成為人車交互的核心承載。從駕駛員注意力監(jiān)測到兒童遺留檢測，從乘員識別到安全帶狀態(tài)判斷，座艙內的每一次行為都蘊含著巨大的安全與體驗價值。

  仿真 感知 數據 智能座艙 汽車 2928瀏覽量

• 技術分享 |多模態(tài)自動駕駛混合渲染HRMAD：將NeRF和3DGS進行感知驗證和端到端AD測試2025-03-26 16:05

  

  多模態(tài)自動駕駛混合渲染HRMAD，融合NeRF與3DGS技術，實現超10萬㎡場景重建，多傳感器實時輸出，仿真更接近真實數據！然而，如何用高保真仿真場景快速驗證自動駕駛算法？HRMAD已集成至aiSim平臺，端到端測試即刻開啟！

  仿真 場景 渲染 端到端測試 算法 4237瀏覽量

• 技術分享 | AVM合成數據仿真驗證方案2025-03-19 09:40

  

  AVM 合成數據仿真驗證技術為自動駕駛環(huán)境感知發(fā)展帶來助力，可借助仿真軟件配置傳感器、搭建環(huán)境、處理圖像，生成 AVM 合成數據，有效加速算法驗證。然而，如何利用仿真軟件優(yōu)化傳感器外參與多場景驗證，顯著提升AVM算法表現？

  AVM 仿真 傳感器 數據 算法 3746瀏覽量

• 康謀應用 | 基于多傳感器融合的海洋數據采集系統(tǒng)2025-03-12 09:40

  

  在海洋監(jiān)測與無人艇控制領域，數據采集面臨數據噪聲誤差、融合協(xié)同等挑戰(zhàn)。本文康謀深度剖析基于多傳感器融合的海洋數據采集系統(tǒng)交付案例，詳細解析其方案架構、系統(tǒng)搭建等內容，展現如何提升數據采集質量，從而推動無人艇自主航行及算法訓練！

  傳感器 數據采集 時間同步 融合 1077瀏覽量

• 康謀分享 | 3DGS：革新自動駕駛仿真場景重建的關鍵技術2025-03-05 09:45

  

  3DGS技術為自動駕駛仿真場景重建帶來突破，通過3D高斯點精確表達復雜場景的幾何和光照特性，顯著提升渲染速度與圖像質量?？抵\aiSim平臺結合3DGS，提供高保真虛擬環(huán)境與動態(tài)交通流模擬，優(yōu)化自動駕駛測試效率與精度

  仿真 傳感器 場景 數據分析 汽車 5725瀏覽量

• 康謀方案 | 基于AI自適應迭代的邊緣場景探索方案2025-02-26 09:45

  

  測試 ADAS/AD 系統(tǒng)時，傳統(tǒng) DoE 方法難以覆蓋駕駛邊緣場景，影響自動駕駛性能提升?？抵\ aiSim集成的aiFab方案，以貝葉斯優(yōu)化為核心，依據碰撞時間等關鍵指標，快速定位高風險場景，高效、低耗地查找與分析極端邊緣案例

  AI 仿真 汽車 測試 自動駕駛 3454瀏覽量

• 康謀分享 | 突破傳統(tǒng)匿名化：先進技術解鎖數據價值新維度2025-02-19 09:24

  

  自動駕駛技術快速發(fā)展，海量數據和復雜場景帶來性能與安全評估挑戰(zhàn)。如何高效管理數據、挖掘關鍵場景并滿足以Euro NCAP為代表的嚴格評估標準，成為行業(yè)核心問題。本文探討如何應對挑戰(zhàn)，并分享提高場景測試與性能安全評估的見解

  人工智能 圖像處理 圖像識別 數據處理 汽車電子 4506瀏覽量