傲酷使用算法的方式，可以将分辨率提高100倍，声称其波形是不一样的（调幅调相调频，三者都调，且自适应）上一帧和下一帧会产生闭环和关联，根据环境变化而变化。总结：报告主要阐述了4D雷达的优势和技术栈，以及实现的主流方式，不同厂商目前的方案如何以及其产品在目前的业界地位如何。车路协同中，也测试过，也不干扰。可以参考其专利，主要是水平和纵向都在做，分别发的东西是不一样的，水平，纵向10倍，4级联可以达到

当我们拿到不同的传感器时，我们在调试后希望将他们用ros下的rviz显示在同一页面下，相机（image）和单一的传感器显示通常比较简单，往往我们加入两个有空间坐标的传感器会报错，没有转换关系或者xx frame不存在。这是因为在ROS中，我们需要建立一个rf-tree来管理我们的传感器坐标使其统一，拿出某一点就可以得到其在不同坐标系下的坐标。往往传感器的默认frame都不同，这时候我们需要将其统一

多传感器中，我们在使用前需要给出设备的标定，首先我们先对单个设备进行标定（后面使用需要进行联合标定）联合标定工具诸如Apollo、Autoware等自动标注工具，以及一些开源的方法等，可以参考一些经典的论文（目录见下面链接）。imu相机标定_多传感器融合标定方法汇总_Gamer42的博客-CSDN博客点击上方“新机器视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达作者丨Tom Hardy@知

很多情况我们都需要使用到多台相机，那么我们应当如何和配置呢？类比turtlesim中两只小乌龟的显示（turtle1与turtle2），推荐阅读:A gentle introduction to ros ;我们知道，我们只需要建立两个命名空间即可。关于如何在ROS上配置Basler可以查看：Basler pylon-ros-camera驱动 Xavier AGX调试记录 （Arm架构）_Mendo

说明：本系列为自动（智能驾驶）感知融合的技术栈和思路（部分图片和资料来源于网络）本专题是将自己学到的内容整理复习一下，并分享给想学习这方面的人。本文分为2部分：自动驾驶及传感器简介、传感器标定自动驾驶根据SAE分级，分为5个等级：SAE即美国汽车工程师学会Society of Automotive Engineers）目前大多公司完成的都是L2级别的辅助驾驶，功能开启时，驾驶员处于驾驶状态，目前最

将激光雷达“跑起来”很容易，但是如何合理的应用激光雷达，你就需要去阅读手册，但是阅读手册对于许多初学者来说是十分痛苦的，特别时诸如velodyne等国外厂商给出的一百多页全英文的手册，打开就怕了，想到网上去找解析很难能找到，特别是velodyne的几乎搜不到相关信息，从而直接弃了实在可惜。本文的写作目的是解析某些激光雷达手册，从中发掘工程中需要注意或者应用到的关键点。...............

激活函数，均值非0的zig-zagging dynamics现象。

当我们拿到不同的传感器时，我们在调试后希望将他们用ros下的rviz显示在同一页面下，相机（image）和单一的传感器显示通常比较简单，往往我们加入两个有空间坐标的传感器会报错，没有转换关系或者xx frame不存在。这是因为在ROS中，我们需要建立一个rf-tree来管理我们的传感器坐标使其统一，拿出某一点就可以得到其在不同坐标系下的坐标。往往传感器的默认frame都不同，这时候我们需要将其统一

最近在学习网络的时候发现，许多新论文中的网络设计中仍然沿用了之前经典网络的结构。3D点云领域有一篇热度非常高的网络Deep Closet Point（DCP），其属于Frame-toFrame的结构，attention机制是其核心，那么，如何理解attention机制呢？..................

本文记录通过Tek visa使得MATLAB调用示波器采集波形的方法，主要作用是记录，方便再次配置。