2024.7.4

1.QA数据：质量保证（Quality Assurance）数据。
我的理解：数据筛查，筛选出正常可用的数据。

2.PTQ模型量化：
模型训练完之后，对其进行量化处理，量化的主要目标是将模型中的权重和激活值从高精度（如32位浮点数）降低到低精度（如8位整数），从而加速推理速度，降低内存占用和功耗。

3.补盲Lidar（LiDAR for Blind Spot Detection）：
补盲Lidar可以精确检测车辆周围的盲区，提高自动驾驶系统对周围环境的感知精度。

4.TTA策略：
TTA在测试阶段通过对测试数据进行多种变换，然后对变换后的数据进行预测，最后综合这些预测结果来提高模型的总体性能。常见的方法如翻转和旋转、颜色变换、裁剪和缩放等。

5.Heading_errror:
方向误差（Heading Error）是指车辆或机器人当前方向（Heading）与预期方向（Desired Heading）之间的偏差。计算平均方向误差可以帮助评估导航系统或控制算法的性能。
平均方向误差（Heading Error Mean）是在一段时间内或一段路径上，所有方向误差的平均值。它是衡量导航系统或控制算法长期稳定性和准确性的一个重要指标。