问界M9激光雷达解说

最新推荐文章于 2025-04-24 20:00:25 发布
最新推荐文章于 2025-04-24 20:00:25 发布
阅读量2.7k 收藏 19
点赞数 17
分类专栏： 3D image sensor 文章标签： 3d 人工智能
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/weixin_53077062/article/details/135327563
版权
问界M9搭载192线束激光雷达，成为业界车规级量产最高线数，领先至少一代。结合毫米波雷达、高清摄像头和超声波雷达，构成融合感知系统，实现全场景全天候感知，提升智能驾驶安全性与舒适性。

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

图片

什么是激光雷达

激光雷达（英文：Lidar），是一种通过发射激光束来测量目标位置、速度等特征量的雷达系统。其工作原理是将激光光束照射到目标物体上，然后通过测量激光光束从发射到反射回来的时间，来计算目标物体的距离、位置、速度等参数。激光雷达通常用于测量地形、地貌、建筑物等三维空间信息，以及用于无人驾驶汽车、无人机等智能交通工具的定位和避障。

图片

问界M9激光雷达领先业界至少一代

问界M9搭载的激光雷达是192线束激光雷达。这是业界车规级量产最高线数激光雷达，被余承东称为“安全领先一代”。

问界M9搭载了业界领先的高阶智能驾驶技术，采用了“激光雷达+视觉感知”融合的解决方案。

  • 具体来说，问界M9搭载了华为ADS 2.0，并配

了解本专栏 订阅专栏 解锁全文 超级会员免费看
激光雷达，“卷”出天际
高工智能汽车
01-23 515
要知道，在去年，华为问界M9首发了192线激光雷达，按照这家标榜「遥遥领先」的公司说法，192线激光雷达远超行业96-156线的水平，拥有更快的速度、更高的频率、更远的测距范围。来自中国的速腾聚创和禾赛排名第四和第五。禾赛的FT120，激光雷达点频是192000点/秒，在10%反射率标准下，最远可以测距30m，最大量程为100m，视场角100°（H）x 75°（V）。，从披露的数据来看，这款产品没有采用常规远距离探测的1550nm方案，性能超过250m@10%，这意味着，相比于M1，有大幅度的提升。
2024年问界M5、M7、M9全文理性分析【伸手党福利】
热门推荐
wwppp987的博客
01-05 1万+
由于2024年新能源车要求续航超过200Km，（动力电池系统质量能量密度不低于125Wh/kg，轴距达到2.5米以上）问界M7的200-240Km续航刚刚好卡住，售价刚好卡在33.9万（3万免税）元上（这个价格一万两万不叫差距了），换句话说，配置是新能源的底线，价格是面向用户人群考虑价格的顶格，后期会大降价，等等党必定会胜利，但是对于用车刚需只能咬牙入手。M9，是华为用来赚钱的车型，豪华配置直接怼上，我在提车界面看到999999的优惠前价格，（不知道是不是P的），反正买这个车，最近几年必定很拉风。
华为问界M9 [E/E架构] 信息梳理
king110108的专栏
06-03 4306
本文主要介绍华为问界M9的E/E架构
多线激光雷达与单线激光雷达的区别
weixin_33895016的博客
06-17 9613
多线激光雷达是指同时发射及接收多束激光的激光旋转测距雷达，市场上目前有4线、8线、16 线、32 线、 64 线和128线之分，多线激光雷达可以识别物体的高度信息并获取周围环境的3D扫描图，主要应用于无人驾驶领域。在无人驾驶领域，多线激光雷达主要有以下两个核心作用：3D建模及环境感知：通过多线激光雷达可以扫描到汽车周围环境的3D模型，运用相关算法对比上一帧及下一帧环境的变化...
互联网晚报| 巴黎奥组委为开幕式争议节目道歉；头部券商被曝付费实习灰产；多地共享单车上调起步价...
liudada8265的博客
07-30 215
巴黎奥组委为开幕式争议节目道歉据报道，7月28日，巴黎奥组委在记者发布会上为开幕式节目引发争议道歉。本届奥运开幕式的其中一个节目里，多名演员在桌前分别摆出不同造型，画风被认为和世界名画《最后的晚餐》高度相似。此外，开幕式上还有一个“白马骑士”的形象，也被认为影射了《圣经》中的“天启四骑士”。针对这些批评和质疑，巴黎奥组委发言人表示他们为节目引发的争议向公众道歉，但这名发言人强调，这些节目并没有故意...
2025.04.24【3D】3D绘图入门指南
04-24 420
3D绘图是一种数据可视化技术，它通过在三维空间中展示数据点来提供更丰富的视觉信息。这种技术可以帮助我们理解数据的深度和层次结构，尤其是在处理复杂的生物信息学数据时。我们可以通过调整视图参数来自定义图表的视角。# 自定义视图在这个例子中，view3d函数用于调整视图参数。theta和phi参数用于设置视角的角度，fov参数用于设置视场角，zoom参数用于设置缩放级别。
三维重建模块VR，3DCursor，MPR与VR的坐标转换
04-24 161
用中心点的偏移量比较容易实现，交互中Reslicercursor中心点 距离 vtkimagedata 的中心点 的偏移量，用于vtkvolume即可。有一个问题，我这个vtkvulome的 上下 前后，与vtkimagedata 是反的。MPR里的reslicecursor 的坐标与 vtkimage 坐标一致。但三维窗格里的vtkvolume 的坐标是相对坐标，坐标值依然是MM单位。//转换为3D VTKVOLUME 坐标系。
【激光雷达3D（7）】CenterPoint两阶段细化仅使用BEV特征；PV-RCNN两阶段细化使用体素特征；M3DETRTransformer统一多表征特征
Hali_Botebie的博客
04-24 289
通过Transformer同时处理多尺度、多表征（原始点云、体素、BEV）的特征，直接输出检测结果，无需显式的区域提议（Region Proposal）阶段。：类似DETR，使用可学习的查询（Query）与编码器特征交互，通过解码器直接预测边界框，省略了RoI特征提取步骤。，实验中也对比了融合体素特征的方法（如Voxel-Set Abstraction和RBF插值）。M3DETR通过Transformer实现端到端检测，无需显式两阶段设计。：在小目标和遮挡场景中表现突出，但训练复杂度高。
AI 赋能 3D 创作！Tripo3D 全功能深度解析与实操教程
qq_41807261的博客
04-21 406
在文件导出方面，Tripo3D 支持 glb、fbx、obj 等多种格式，无论是用于 3D 打印，还是导入 C4D、Unity 等专业软件，都毫无压力。打开 Tripo3D 官网，映入眼帘的就是简洁直观的操作界面，最醒目的标语 “一键使用AI在数秒内生成 3D 动画”，直接点明了平台的核心优势。负面提示词功能非常实用，当你不希望模型出现某些元素，比如奇怪的装饰、多余的花纹，直接输入要求，AI 就能精准避开。面数限制默认自动，但如果你对电脑性能有要求，或者想控制模型的精细度，就可以手动调节。
Google Store 如何利用 glTF 3D 模型改变产品教育
weixin_42070282的博客
04-21 655
Google 的产品教育和营销材料中更多地使用 3D 模型，这一转变产生了重大影响，不仅促进了公司自身目标的实现，也为 glTF 生态系统带来了重要的补充。Google 正在持续拓展 3D 技术在产品教育中的应用。此外，作为 Khronos Group 的积极参与者，Google 直接参与了 glTF 3D 格式的持续演进，确保这一开放标准能够满足像我们这样的用例的需求。通过这些基于标准的方法，我们能够实现更高效的工作流程、更快的内容创建速度和更佳的用户体验，从而彻底改变我们产品在网络上的呈现方式。
BEVDet4D: Exploit Temporal Cues in Multi-camera 3D Object Detection
butterflies_的博客
04-21 841
对于现有的BEVDet方法，它对于速度的预测误差要高于基于点云的方法，对于像速度这种与时间有关的属性，仅靠单帧数据很难预测好。因此本文提出了BEVDet4D，旨在获取时间维度上的丰富信息。它是在BEVDet的基础上进行拓展，保留了之前帧的BEV特征，并将其进行空间对齐后与当前帧对应BEV特征连接。在nuscenes数据集上证明其可行性发现，不仅速度误差mAVE从0.909降低到0.337，在其他分数也有提升，mAP提升2.6%,NDS提升了8.4%，达到了42.1%mAP与54.5%NDS。
“Daz to Unreal”将 G8 角色（包括表情）从 daz3d 导入到 UE5。在 UE5 中，我发现使用某个表情并与闭眼混合后，上眼睑出现了问题
最新发布
子燕若水的博客
04-24 318
官方的 Daz 到 Unreal 桥接（版本 1.6+）在导出对话框的高级部分中有一个“将姿势空间变形器烘焙为形态目标”的选项。如果你启用它并重新导出，它会自动为你生成所有“眨眼 + X”和“微笑 + Y”修正目标。在 Morph Loader Pro（或创建→形态资源）中，将其保存为自定义形态（例如“blink_smile_corrective”）。在控制 rig 中，添加一个姿势驱动器（或“姿势空间变形器”）节点，该节点监视您的“微笑”控制和“闭眼”控制。为您的 G8 头部设置一个简单的控制 rig。
VIC-3D非接触全场应变测量系统用于小尺寸测量之电子元器件篇—研索仪器DIC数字图像相关技术
ACQTEC研索仪器的博客
04-24 692
在5G通信、新能源汽车电子、高密度集成电路快速迭代的今天，电子元件的尺寸及连接工艺已进入亚毫米级竞争阶段，这种小尺寸下的力学性能评估对测量方式的精度有更高的要求，但传统应变测量手段常因空间尺寸限制及分辨率不足难以捕捉真实形变场。由于芯片和电路板接触处的局部小凸起（见下方三维轮廓图），实测载荷下的置信度相较于参考值，中间区域的数值显著增大（如上图）。未校正的图像会导致严重的形状与应变测量偏差，偏差值甚至可达数千微应变（με）量级。通过DIC技术，分别测量了芯片在x方向和y方向的应变分布。
什么是机器视觉3D碰撞检测？机器视觉3D碰撞检测是机器视觉3D智能系统中安全运行的核心技术之一
视觉人机器视觉的博客
04-24 45
什么是机器视觉3D碰撞检测？机器视觉3D碰撞检测是机器视觉3D智能系统中安全运行的核心技术之一
VLA 论文精读（十六）FP3: A 3D Foundation Policy for Robotic Manipulation
nenchoumi3119的博客
04-23 795
这篇论文是2025年发表在arxiv上的一个3D VLA论文，稍微有一种大力出奇迹的感觉，3D感知部分将点云转到同一个坐标系下，然后用 Uni3D 进行编码；语言指令直接用 CLIP 输出不参与训练；整体模型还是需要大量的泛化场景进行预训练，然后针对不同的任务进行微调，但作者说微调后可以很好的泛化到不同场景以及物体上；
VLA论文精读（十四）PointVLA: Injecting the 3D World into Vision-Language-Action Models
nenchoumi3119的博客
04-21 1128
这篇文章最大的创新点在于将3D点云信息作为补充条件送入模型，而不是DP3一样只用纯3D数据从头训练模型，按照作者的说法这样可以在保留模型原有2D解释能力的同时添加了其3D能力，并且可以有效识别真实物体与2D照片，作者设置的各种任务中都超越了baseline模型。
医学图像（DICOM数据）读取及显示（横断面、冠状面、矢状面、3D显示）为什么用ITK+VTK，单独用ITK或者VTK能实一样功能吗？
weixin_45805339的博客
04-24 627
在医学图像处理中，结合使用和是常见的做法，因为它们各自专注于不同的核心功能。
3dmax模型怎么处理3dtiles，制作制作B3DM格式文件
weixin_42070282的博客
04-24 82
2记住面一定一定要少，面一定不能多，也不要是VR材质，可以用插件一键处理。6转换出来了，3dtiles格式模型和B3DM格式了。1咱们先打3dmax，或su或者其他软件建模型。8 哈哈 完美,需要做之类模型，或转换，5这里可以坐标，因为要对地图位置。4使用cesium把fbx转换。
问界m9整车控制器架构
01-03
### 问界 M9 整车控制器架构设计及组成 #### 车辆整体控制系统概述 问界M9采用了先进的整车控制器架构，旨在提升车辆性能、安全性和用户体验。该架构不仅实现了高效的信息处理和快速响应，还通过集成多种功能模块来优化成本效益。 #### 后智能区域控制器 后智能区域控制器负责管理车辆后部多个组件的工作状态，包括但不限于执行器的供电管理和LIN总线通信协议下的信号传输。这种设计简化了布线结构并提高了系统的可靠性[^2]。 #### 高度集成的中央计算单元 (XCU) 不同于传统的独立悬挂控制系统，问界M9引入了一个高度集中的中央计算单元(XCU)，它能够实时收集来自车身各处传感器的数据，并迅速做出决策以调整悬架参数。此过程可以在毫秒级别内完成，确保乘坐舒适性的同时降低了硬件成本并增强了效率[^3]。 #### 智能驾驶辅助系统 为了支持高级别的自动驾驶能力，问界M9配备了专门用于图像识别和其他感知任务的强大处理器——两颗英伟达DRIVE Orin X高性能AI芯片组成的智能驾驶控制器。这些设备被安置在一个具备良好热管理系统内的封闭空间里，利用液体冷却技术保持稳定运行温度，保障长时间工作的稳定性与安全性[^4]。 ```python # Python伪代码展示如何模拟一个简单的车载网络通讯模型 class VehicleNetwork: def __init__(self, ecus): self.ecus = ecus def send_message(self, source_ecu, target_ecu, message): if source_ecu in self.ecus and target_ecu in self.ecus: print(f"Message from {source_ecu} to {target_ecu}: {message}") else: raise Exception("ECU not found") ecu_list = ["FrontController", "RearController", "CentralUnit"] network = VehicleNetwork(ecu_list) # Simulate sending a command from Rear Controller to Central Unit network.send_message('RearController', 'CentralUnit', 'Adjust suspension settings') ```
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

打赏作者

Depth君

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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