- 课程回放

曾就职于Baidu USA无人车团队,主要负责传感器标定、时间同步和感知深度学习算法。2015年大疆全球开发者大赛第一名 (1 of 200+ teams);2013至2016年间帮助德州仪器Kilby Lab设计制作多种物联网项目,并带队制作了Agribot机器人。博士期间主要从事无人机的感知、路径规划以及控制算法的研究。Univeristy of Texas at Dallas (德州大学达拉斯分校)人工智能方向博士学位和清华大学基科班 (30/3000)学士学位。2003机器人足球金牌,在韩国获得亚洲第五名。

曾就职于Baidu USA无人车团队,主要负责传感器标定、时间同步和感知深度学习算法。2015年大疆全球开发者大赛第一名 (1 of 200+ teams);2013至2016年间帮助德州仪器Kilby Lab设计制作多种物联网项目,并带队制作了Agribot机器人。博士期间主要从事无人机的感知、路径规划以及控制算法的研究。Univeristy of Texas at Dallas (德州大学达拉斯分校)人工智能方向博士学位和清华大学基科班 (30/3000)学士学位。2003机器人足球金牌,在韩国获得亚洲第五名。
- 无人驾驶格局及技术方案比较
- 多传感器融合的基本原理和算法
- 基于多传感器前融合的L4技术方案解析
- Roadstar.ai如何加速落地和商业化
这是自动驾驶合辑第二季的第一堂课,将关注多传感器融合。我们邀请到的是Roadstar.ai的首席科学家周光。Roadstar.ai由周光与CEO佟显乔、CTO衡量于2017年5月创立,专注于L4无人驾驶技术。周光曾在百度无人车团队负责标定、同步、感知等方面的工作、佟显乔曾就职于苹果特殊项目组(无人车研发)和NVIDIA自动驾驶算法组,还在百度硅谷团队担任无人车定位和地图组技术负责人、衡量曾就职于特斯拉Autopilot组、Google地图街景图,也曾在百度硅谷无人车团队担任Sensing组的技术负责人。
自动驾驶的技术路径之争一直没有停止过,之前主流的有两派:一是特斯拉为代表采用的以摄像头为主的解决方案;二是以Waymo、百度为代表采用64线激光雷达为主的解决方案。但是,多传感器融合解决方案,正在受到更多关注和认可。
Roadstar.ai所采用的多传感器融合解决方案,是指使用多个异构传感器来进行测量和感知,包括激光雷达、摄像头、毫米波雷达、GPS/IMU等,通过对不同传感器的原始数据进行前融合处理,统一输出像素级的八维空间数据。Roadstar.ai将其定义为多传感器前融合解决方案。
这堂课中,周光将对不同技术方案进行比较,并系统解析基于多传感器前融合的L4技术方案及其落地进展。
自动驾驶合辑第二季第一课由Roadstar.ai的首席科学家周光开讲,主题为《多传感器融合-无人驾驶的必由之路》 ,速速扫码报名吧!