ARHUD驾车导航技术概览

于 2023-06-29 17:34:04 发布
阅读量587 收藏 3
点赞数 2
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/amap_tech/article/details/131467214
版权
ARHUD结合增强现实与抬头显示，将导航信息投影至驾驶员视野前方，减少驾驶分心。文章介绍了虚像距离、视场角、人眼位置、虚像旋转角度等关键参数，探讨了ARHUD硬件技术如TFT、DLP、LCOS的优缺点，并指出主要技术挑战，包括视场角小、投影亮度、硬件体积和实景贴合等问题。高德、华为等企业在此领域有深入研发。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

6e943502af3e6840d2e58208792c0ec2.png

ARHUD(Augmented Reality Head Up Display)，即增强现实与抬头显示的结合，是一种将渲染元素投影在真实世界的技术，也是目前用户理解成本最低的展示方式。

HUD功能第一次应用是在二战中，被应用在枪械和战斗机上，80年代初期开始转向民用，90年代初期技术概念被正式提出，并被演变成为汽车上的功能。其实，汽车上还有很多军用转民用的配置，例如惯导装置。

ARHUD驾车导航，就是把车速限速、转向动作、引导线等重要的导航信息，投影到驾驶员视野正前方，让驾驶员尽量做到不低头、不转头就能看驾驶引导信息。

高德在ARHUD驾车导航方面做了大量研发工作并拥有业界领先的技术储备和实践经验，在2022年8月，高德地图与北汽、华为合作，推出北汽魔方ARHUD导航。

1.虚像距离(Virtual Image Distance)

9ea3f15781bbaa38d8ef9a553e3b6aff.png

虚像距离，Virtual Image Distance，简称VID，简单点说就是虚像到人眼的视觉距离，大家都知道人的眼睛也是有焦距的，看远和看近的焦距不同，因此如果VID的距离不够远，在看向较远的地方时ARHUD的显示会由于眼睛焦距的原因而虚化。

传统HUD的VID距离也就是在2.5米左右，而AR HUD的VID距离往往在10米以上，要做到跨车道显示的话，需要投影距离达到20米才行。

传统W-HUD其实可以理解为一个投影仪，将图像反射，投影到了挡风玻璃上（例如手机高德地图的HUD投影功能），实际上相当于把原本显示在仪表盘上的信息，投射到挡风玻璃上。其实这也是HUD设计的初衷——驾驶员不需要低头即可获得车辆行驶的相关信息。

但是W-HUD的图像尺寸有限（通常投影距离3m，显示尺寸15-20寸），能显示的信息较少，且图像不会与道路融合，驾驶员仍然需要将视线从路面上移开，重新对焦才能获得信息，这实际上违背了HUD的设计初衷。

2.视场角(Field Of View)

最低0.47元/天 解锁文章
高德技术
关注
博客
Tech Reader｜高德技术人的灵感书单
04-23 182
在代码与算法的世界里，什么才是高德技术人「不迷路」的导航坐标？欢迎在评论区分享你对本期推荐书单的阅读心得或推荐你的灵感书单；在世界读书日，我们一起通过阅读校准下一段技术征程！答案或许藏在这份高德技术人的推荐书单里，选择5名粉丝随机送出本期推荐书籍！
博客
ICASSP 2025｜高德推理检测助手和创新图像生成模型实力出圈
04-21 983
为了解决这些挑战，我们提出了一种创新的图像编辑框架，它利用Chain-of-Thought（CoT）推理和多模态大语言模型（LLMs）的定位能力来帮助扩散模型生成更精致的图像。大量的实验表明，我们的模型在图像生成方面在定性和定量上都超越了现有最先进的模型。本文提出了一种创新的图像编辑框架，该框架结合了链式思考（Chain-of-Thought, CoT）推理和多模态大型语言模型（Multimodal Large Language Models, MLLMs）的区域定位能力，以协助扩散模型生成更精细的图像。
博客
CVPR 2025 Highlight｜HumanRig：3D数字人黑科技，解锁更智能的3D角色动画框架
04-14 1082
我们将分别介绍这些模块。这一优势主要归功于我们采用的基于Point Transformer的网格编码器，它能够有效区分不同身体部位的特征，从而生成更加精确的蒙皮权重分布，最终实现更高质量的网格变形效果。在这个过程中，我们确定粗略的三维骨架，通过计算每条射线与网格表面的交点，并使用每个三维粗略关节的第一次和最后一次交点的中点来得到结果。我们推出了一种创新的自动绑定算法，我们方法的核心模块包括：a）先验引导骨架估计器（PGSE），使用投射到3D空间中的2D先验初始化粗略骨架，显著降低绑定任务的复杂性。
博客
高德视觉技术中心团队携CVPR论文成果亮相China3DV 2025
04-14 269
在"优秀论文Fastforward"环节，论文第一作者储泽栋通过现场演示与理论解析，详细展示了HumanRig技术创新，此研究不仅填补了3D人形角色绑定领域的数据集空白，还提出一种创新的自动绑定算法，推动动画行业向更高效、更自动化的角色绑定方向发展。高德视觉技术中心始终站在计算机视觉研究与应用的创新高地，是高德空间智能互联网领域重要的技术实践者。作为三维视觉领域年度盛会，本次高德视觉技术中心的创新成果展示，不仅彰显了团队在计算机视觉领域的技术积淀，更为行业提供了数字内容生产的革新方案。
博客
技术公益｜高德「卫星求救」与「无网导航」，用技术开拓无人区
04-07 546
无网导航通过技术保障用户体验。高德用户会在某些位置发起请求，如果是网络原因导致的请求失败，那就可以识别出来这块区域网络不顺畅，如果大量用户都在这里发出网络请求失败信息，就形成了我们所说的无网区域，用户本次导航途经无网区域，高德APP会提前缓存导航数据至后台，以备不时之需。高德通过与各大手机厂商的合作，接入厂商卫星能力SDK，统一接口标准，构建了一套通用化卫星通信解决方案，以此借助手机的硬件能力，建立与卫星的双向通信，将救援信号发送至卫星的同时也能从卫星接收对救援信息的回复，实现整个卫星救援能力上的闭环。
博客
高德2025科研课题正式发布，研究型实习生岗位等你加入！
03-27 556
对于导航/定位地图而言，主要需要从众包数据中提取场景中对导航和定位重要的少量的稳定的信息，实景地图包含显著更多的细节，端云交互可以以更高效的隐式表达进行(类似Nerual Map)，场景中的对象的几何和外观都可能发生显著的变化，这是实现大规模实景地图的众包渐进式构建与更新的核心难点。近年来，多模态大模型的兴起为这一领域提供了新的技术手段。这些技术的应用使平台和商家能够充分利用AI智能创作的能力，可以根据用户的特性，生成个性化的素材或者内容，高效地产出多样性的视觉效果，从而带来了巨大的商业价值。
博客
高德终端技术总结：高可用架构如何练成？
03-21 555
在技术栈设计上，除调用系统平台服务的部分使用原生语言（Java//OC//ArtTS）外，其他均使用跨平台语言，来实现最大限度的跨平台，其中对于高性能要求的能力（如地图引擎、基础库）使用C++实现，而对于高效率要求的能力（如前端页面）则使用JS实现。稳定性工作属于「流水不腐,户枢不蠹」。高德地图作为国民级应用，特别是出行场景的独特性，要确保在线导航高并发和交通安全级的超稳定性，这对技术团队提出异乎寻常的高要求，无论是终端、云端，还是“终端-云端”之间的连接，都必须实现“高可用、高性能、高效率”的技术目标。
博客
CVPR 2025｜突破自动驾驶“交规困境“：高德车道级交通规则在线理解，让AI更懂交规！
03-19 43
其中 MEE 模型专门用于对矢量地图进行特征编码，将每个矢量点进行 tokenize，使用 learnable query 配合 Intra & Inter Instance Attention 进行矢量特征的聚合，融合后每个 query 对应一条矢量的特征信息。高德认为，遵守交通规则行驶是实现自动驾驶系统的必要条件，车道级交通规则通常包含在高精地图中，为自动驾驶系统提供了准确、可靠的规则指导。由人类驾驶过程的启发，从交通标志中理解交通规则需要完成两个任务，理解交通标志牌中指示的。
博客
CVPR 2025｜突破自动驾驶“交规困境“：高德车道级交通规则在线理解，让AI更懂交规！
03-19 111
其中 MEE 模型专门用于对矢量地图进行特征编码，将每个矢量点进行 tokenize，使用 learnable query 配合 Intra & Inter Instance Attention 进行矢量特征的聚合，融合后每个 query 对应一条矢量的特征信息。高德认为，遵守交通规则行驶是实现自动驾驶系统的必要条件，车道级交通规则通常包含在高精地图中，为自动驾驶系统提供了准确、可靠的规则指导。由人类驾驶过程的启发，从交通标志中理解交通规则需要完成两个任务，理解交通标志牌中指示的。
博客
CVPR 2025｜突破自动驾驶“交规困境“：高德车道级交通规则在线理解，让AI更懂交规！
03-19 31
其中 MEE 模型专门用于对矢量地图进行特征编码，将每个矢量点进行 tokenize，使用 learnable query 配合 Intra & Inter Instance Attention 进行矢量特征的聚合，融合后每个 query 对应一条矢量的特征信息。高德认为，遵守交通规则行驶是实现自动驾驶系统的必要条件，车道级交通规则通常包含在高精地图中，为自动驾驶系统提供了准确、可靠的规则指导。由人类驾驶过程的启发，从交通标志中理解交通规则需要完成两个任务，理解交通标志牌中指示的。
博客
CVPR 2025｜突破自动驾驶“交规困境“：高德车道级交通规则在线理解，让AI更懂交规！
03-19 27
其中 MEE 模型专门用于对矢量地图进行特征编码，将每个矢量点进行 tokenize，使用 learnable query 配合 Intra & Inter Instance Attention 进行矢量特征的聚合，融合后每个 query 对应一条矢量的特征信息。高德认为，遵守交通规则行驶是实现自动驾驶系统的必要条件，车道级交通规则通常包含在高精地图中，为自动驾驶系统提供了准确、可靠的规则指导。由人类驾驶过程的启发，从交通标志中理解交通规则需要完成两个任务，理解交通标志牌中指示的。
博客
CVPR 2025｜突破自动驾驶“交规困境“：高德车道级交通规则在线理解，让AI更懂交规！
03-19 19
其中 MEE 模型专门用于对矢量地图进行特征编码，将每个矢量点进行 tokenize，使用 learnable query 配合 Intra & Inter Instance Attention 进行矢量特征的聚合，融合后每个 query 对应一条矢量的特征信息。高德认为，遵守交通规则行驶是实现自动驾驶系统的必要条件，车道级交通规则通常包含在高精地图中，为自动驾驶系统提供了准确、可靠的规则指导。由人类驾驶过程的启发，从交通标志中理解交通规则需要完成两个任务，理解交通标志牌中指示的。
博客
CVPR 2025｜突破自动驾驶“交规困境“：高德车道级交通规则在线理解，让AI更懂交规！
03-19 22
其中 MEE 模型专门用于对矢量地图进行特征编码，将每个矢量点进行 tokenize，使用 learnable query 配合 Intra & Inter Instance Attention 进行矢量特征的聚合，融合后每个 query 对应一条矢量的特征信息。高德认为，遵守交通规则行驶是实现自动驾驶系统的必要条件，车道级交通规则通常包含在高精地图中，为自动驾驶系统提供了准确、可靠的规则指导。由人类驾驶过程的启发，从交通标志中理解交通规则需要完成两个任务，理解交通标志牌中指示的。
博客
CVPR 2025｜突破自动驾驶“交规困境“：高德车道级交通规则在线理解，让AI更懂交规！
03-19 20
其中 MEE 模型专门用于对矢量地图进行特征编码，将每个矢量点进行 tokenize，使用 learnable query 配合 Intra & Inter Instance Attention 进行矢量特征的聚合，融合后每个 query 对应一条矢量的特征信息。高德认为，遵守交通规则行驶是实现自动驾驶系统的必要条件，车道级交通规则通常包含在高精地图中，为自动驾驶系统提供了准确、可靠的规则指导。由人类驾驶过程的启发，从交通标志中理解交通规则需要完成两个任务，理解交通标志牌中指示的。
博客
CVPR 2025｜突破自动驾驶“交规困境“：高德车道级交通规则在线理解，让AI更懂交规！
03-19 75
其中 MEE 模型专门用于对矢量地图进行特征编码，将每个矢量点进行 tokenize，使用 learnable query 配合 Intra & Inter Instance Attention 进行矢量特征的聚合，融合后每个 query 对应一条矢量的特征信息。高德认为，遵守交通规则行驶是实现自动驾驶系统的必要条件，车道级交通规则通常包含在高精地图中，为自动驾驶系统提供了准确、可靠的规则指导。由人类驾驶过程的启发，从交通标志中理解交通规则需要完成两个任务，理解交通标志牌中指示的。
博客
CVPR 2025｜突破自动驾驶“交规困境“：高德车道级交通规则在线理解，让AI更懂交规！
03-19 9
其中 MEE 模型专门用于对矢量地图进行特征编码，将每个矢量点进行 tokenize，使用 learnable query 配合 Intra & Inter Instance Attention 进行矢量特征的聚合，融合后每个 query 对应一条矢量的特征信息。高德认为，遵守交通规则行驶是实现自动驾驶系统的必要条件，车道级交通规则通常包含在高精地图中，为自动驾驶系统提供了准确、可靠的规则指导。由人类驾驶过程的启发，从交通标志中理解交通规则需要完成两个任务，理解交通标志牌中指示的。
博客
CVPR 2025｜突破自动驾驶“交规困境“：高德车道级交通规则在线理解，让AI更懂交规！
03-19 14
其中 MEE 模型专门用于对矢量地图进行特征编码，将每个矢量点进行 tokenize，使用 learnable query 配合 Intra & Inter Instance Attention 进行矢量特征的聚合，融合后每个 query 对应一条矢量的特征信息。高德认为，遵守交通规则行驶是实现自动驾驶系统的必要条件，车道级交通规则通常包含在高精地图中，为自动驾驶系统提供了准确、可靠的规则指导。由人类驾驶过程的启发，从交通标志中理解交通规则需要完成两个任务，理解交通标志牌中指示的。
博客
CVPR 2025｜突破自动驾驶“交规困境“：高德车道级交通规则在线理解，让AI更懂交规！
03-19 7
其中 MEE 模型专门用于对矢量地图进行特征编码，将每个矢量点进行 tokenize，使用 learnable query 配合 Intra & Inter Instance Attention 进行矢量特征的聚合，融合后每个 query 对应一条矢量的特征信息。高德认为，遵守交通规则行驶是实现自动驾驶系统的必要条件，车道级交通规则通常包含在高精地图中，为自动驾驶系统提供了准确、可靠的规则指导。由人类驾驶过程的启发，从交通标志中理解交通规则需要完成两个任务，理解交通标志牌中指示的。
博客
CVPR 2025｜突破自动驾驶“交规困境“：高德车道级交通规则在线理解，让AI更懂交规！
03-19 11
其中 MEE 模型专门用于对矢量地图进行特征编码，将每个矢量点进行 tokenize，使用 learnable query 配合 Intra & Inter Instance Attention 进行矢量特征的聚合，融合后每个 query 对应一条矢量的特征信息。高德认为，遵守交通规则行驶是实现自动驾驶系统的必要条件，车道级交通规则通常包含在高精地图中，为自动驾驶系统提供了准确、可靠的规则指导。由人类驾驶过程的启发，从交通标志中理解交通规则需要完成两个任务，理解交通标志牌中指示的。
博客
CVPR 2025｜突破自动驾驶“交规困境“：高德车道级交通规则在线理解，让AI更懂交规！
03-19 12
其中 MEE 模型专门用于对矢量地图进行特征编码，将每个矢量点进行 tokenize，使用 learnable query 配合 Intra & Inter Instance Attention 进行矢量特征的聚合，融合后每个 query 对应一条矢量的特征信息。高德认为，遵守交通规则行驶是实现自动驾驶系统的必要条件，车道级交通规则通常包含在高精地图中，为自动驾驶系统提供了准确、可靠的规则指导。由人类驾驶过程的启发，从交通标志中理解交通规则需要完成两个任务，理解交通标志牌中指示的。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值