摊牌了，五一课程钜惠启动！面试常问的量产项目与技术方向究竟有哪些？

最新推荐文章于 2024-08-24 10:09:15 发布

自动驾驶之心

最新推荐文章于 2024-08-24 10:09:15 发布

阅读量94

点赞数

文章标签：面试职场和发展

原文链接：https://mp.weixin.qq.com/s?__biz=Mzg2NzUxNTU1OA==&mid=2247601823&idx=1&sn=03496221dc1c169e26426f897c489efe&chksm=cf98add2be4930333bd2e0e9f6a54f4ba02433d2b4a39e3bb9148d79eedd9247b303609bb805&scene=126&sessionid=0

版权

本文回顾了2024年自动驾驶领域的技术亮点，包括端到端大模型的量产、主要车企在城市无图NOA的竞争，以及毫米波雷达、全栈工程师的重要性。文章还探讨了各种感知、预测、规控技术、工具链和传感器标定的最新发展，以及自动化工具如TensorRT和仿真测试的运用。

摘要由CSDN通过智能技术生成

马上五月了，2024年的开年大戏也唱了三分之一。今天就和大家盘一盘自动驾驶这几个月的技术亮点！雷总宣布端到端大模型在国内的首次量产！城市无图NOA方面，小米、蔚来、华为奋勇争先！Tier1大疆车载更是打出7000元的城市领航智驾方案！而特斯拉FSD V12.3则更是惊艳！国内智驾新一轮技术竞争即将开始~据自动驾驶之心了解，相关车企已经组建了端到端团队并投入研发！

价格是一降再降，技术是一卷再卷，个别公司校招薪资竟高达45*16！可以说，在乘车体验大差不差的情况下，智驾技术将是决定车企生死存亡的关键~不同于五六年前，那时可能精通单个感知领域便能胜任工作，但在当下感知、预测、决策大一统的格局下，全栈工程师将是未来的唯一出路！世界上唯一不变的恰恰就是变化本身！技术变革日新月异，今天就和大家一起聊聊自动驾驶全栈技术到底有哪些？

五一钜惠错过再等半年！全平台课程82折

感知相关

BEV感知：BEV作为当下主流量产方案的基石，统一的特征表达可以直接输出多任务结果，如3D检测、BEV分割、在线高精地图等等；
OCC占用栅格：OCC直接建模3D世界空间的占用信息，可以有效处理形状不规则、语义不清晰的目标（如路面垃圾、石子）等，行车/泊车必备；
纯视觉单目3D感知：单目主打性价比，已经广泛应用于各类L2/L3的量产方案上，单目2D/3D/BEV和OCC亦有自己独有的发展趋势；
3D&4D毫米波：毫米波雷达尤其是4D Radar正在攻占L4高地，其测距、测速、测角的能力和特有的感知方案让Radar走出了自己的路；
点云3D目标检测：点云3D检测作为LV融合的基础，技术方向十分丰富且难度更大，当下主要应用于L4及真值系统上；
LV融合：融合的目的是为了解决视觉遮挡、单帧不稳定等等问题，毫无疑问LV融合正是当下主流的量产方向；
RV融合：毫米波全天候运行的特性使得RV融合能够互补，从整体上提升感知性能；
车道线检测&在线高精地图：车道线检测作为自动驾驶的基础任务，正在逐渐向在线高精地图发展，这个任务可以说是无图NOA的核心；
Transformer：ViT席卷CV以来，自动驾驶中的SOTA模型或多或少都有Transformer的身影，可谓独领风骚；
多传感器融合目标跟踪：为了便于下游使用，感知需要获取目标的时序信息，从而将障碍物“串”起来，目前动/静态目标均可使用跟踪稳定输出，这个技术栈涉及单传感器/多传感器，卡尔曼滤波等等；
2D目标检测：2D目标检测在自动驾驶中仍然占据一席之地，如红绿灯检测、路面标志等；

预测&规控

轨迹预测：轨迹预测是连接感知和规控的重要模块，这个方向相对感知而言规模较小，但技术要求却更高，是个小众却十分吃香的领域；
规划控制：规控作为整个自动驾驶最下游的模块，直接决定着自动驾驶的安全性和舒适性，这个领域理论要求高，上限更高；

自动驾驶工具链

TensorRT部署：模型离不开实车的部署和优化，这个领域涉及大量的CUDA编程和TensorRT部署，可以说是工程化要求最高的方向；
仿真测试：仿真作为测试链路的核心可以打通整个数据闭环，尤其是结合当下爆火的3DGS三维重建，潜力巨大；
C++编程：C++是自动驾驶中最广泛应用、重要性最高的语言，实打实的量产基石，永远绕不开的工具；

传感器标定

多传感器标定：标定参数的准确性直接影响下游感知、定位融合的应用，这个技术方向涉及Lidar/Radar/Camera/IMU等传感器；
相机标定：相机标定作为所有传感器中应用最广泛的，成像模型怎么选？内外参怎么标定？双目&环视&鱼眼如何标定？标定板如何选择都十分值得探索；

自动驾驶最前沿

端到端自动驾驶：端到端自动驾驶是指根据输入直接输出车辆的控制信号，特斯拉已经验证了方案的可行性，国内正在大步追赶，必将是2024年智驾竞争高地；
世界模型：世界模型旨在从更高维度理解自动驾驶，利用大量实景视频生成未来场景，可以用于大规模生成仿真数据，尤其是Corner Case；
NeRF与自动驾驶：不同于传统的三维重建方法，NeRF/3D GS速度更快、性能更好，更是能与仿真链路打通，未来数据闭环的一大杀器；
大模型与自动驾驶：大语言模型与自动驾驶的结合也是当下的前沿领域，自动驾驶或将迎来GPT时刻；

回想几年前汽车人入行之初，也只是会一些目标检测的小白，几年积累下来对自动驾驶各个领域都有一些涉猎，看问题的角度不在仅仅局限于领域本身。上下游如何应用？可能遇到什么难点？解决方法可能有哪些？自己看的越多，学的越多，就愈发觉得学无止境！我们一直在致力于培养自动驾驶行业优秀人才，为领域输出优质内容，我们一直在路上！

同时平台也自研了一系列课程，涉及BEV感知、端到端自动驾驶、RV融合、多模态3D检测、多传感器标定、规划控制、轨迹预测、在线地图、NeRF、世界模型、多传感器融合跟踪、CUDA与TensorRT、Occupancy、4D毫米波雷达、仿真教程、C++等方向，欢迎加入学习！直接面向量产的内容、面向求职的项目，五一黄金周，平台课程全部82折优惠，欢迎扫码学习：

五一钜惠错过再等半年！全平台课程82折