自动驾驶

本项目实现了全局路径规划、局部路径规划和速度平滑器模块。通过和雷达定位算法融合可实现室内外场景中的导航巡检任务，并且适配多种机器狗，开箱编译即用的导航框架，使机器狗能够在2D地图上进行路径规划任务。

‌C端服务‌：导航、地点搜索、实时路况、AR导航、室内地图（覆盖超5000家大型建筑）、全景服务等‌‌B端赋能‌：‌高精度地图‌：误差≤20厘米，支持智能驾驶，已覆盖全国30万公里高速及重点城市道路‌‌智慧交通‌：为政府提供“交通大脑”解决方案，已在51个城市落地‌‌企业级解决方案‌：覆盖智能物流、

本系统是一款面向专业无人机表演团队的万架级集群控制平台，涵盖无人机型号管理、集群规模配置、自定义文字编队、文字动画控制、三维可视化预览、实时状态监控等核心功能模块。无人机型号管理模块支持DJI大疆Mavic3/Air3/Mini3、Parrot派诺特Anafi、Autel傲视EVOII、Yuneec

一、自主导航与移动作业：全场景无障碍巡检作为机器人基础核心能力，实现机房内无轨化自主移动、精准定位与智能避障，适配不同机房的通道宽度、机柜布局、地面环境，支持全区域覆盖与灵活作业。多SLAM融合导航：支持激光SLAM/视觉SLAM/融合SLAM，快速建图并实时更新机房地图，定位误差≤±5cm，满足高

通过can线连接，1.获取汽车实时状态并生成相应统计图像；2.读取故障码，并显示对应的故障解析故障解决方案3.控制车辆如前后雾灯等来检查车辆功能

项目实现了完整的无人机地面站核心功能：基于MAVLink协议的飞行器状态监控（姿态、位置、电池信息）、实时三维航迹显示、在线任务规划与航点上传、飞行参数调试、以及数传/图传链路状态监控。为用户提供了从任务准备到飞行监控的全流程操作界面。

1提供协程级别或者线程logger你可以视作是python的logging日志，提供不同级别的日志存储2提供es的查询方式结合前端展示日志3它有极致的性能让你可以忽略由日志带来的IO延迟问题

多模式驱动支持差速驱动底盘设计支持全向移动（前进/后退/原地旋转），最高速度可达1.5m/s且具备三档可调模式；紧急制动响应时间＜200ms，遇到突发障碍时可瞬间停止避免碰撞。

robotToool工具开发项目，采用apollo的开发技术栈，将cyber通讯技术应用到开发项目中(之前主要是GRPC通讯技术)，简化了开发模式，提高了开发效率。业务层面上，基于二代车载实现了可视化的软件参数配置，硬件参数配置，状态上报，升级维护，一体化标定等基础功能，简化了车间设备操作的步骤，提

针对自动驾驶场景对YOLOv7的网络架构和参数进行了专项优化。在Backbone部分引入ECA与CBAM，强化多尺度特征融合能力；将Neck层的PAN结构改进为双向特征金字塔（BiFPN），提升小目标检测鲁棒性。调整了锚框尺寸分布，新增针对车辆侧面和锥形桶的细粒度锚点。训练策略上采用余弦退火学习率+EMA权重平滑，并引入动态困难样本挖掘机制。

1. 本项目是自动驾驶技术在无人化清洁场景的具体落地，可代替人工作业； 2. 本项目中的技术点涵盖广大，涉及到自动驾驶、人工智能、机器人等领域的技术； 3. 本项目是硬件、软件、算法的集成体； 4. 本人主导并参与了本项目中的全部工作，有完整的技术路线和完整的技术框架，可以快速迭代； 5. 本人对自动驾驶、机器人、人工智能领域的相关技术点都有涉及、可以兼顾多个技术点的研发。

确定需要讲哪些内容，每个内容多少学时； 软件面向自动驾驶行业的数据挖掘部分； 从海量的数据实车数据中筛选出对模型训练具有高价值的数据，从而加速模型和软件的迭代； 软件方案采用主动学习方法，具体策略包含uncertainty、core-set、learning loss、交叉熵等。通过这些策略来筛选出高价值数据，实现模型的持续迭代。

DAMO-StreamNet 模型介绍 任务说明 本模型所述的任务为流感知（Streaming Perception）任务，该任务为视频目标检测（Video Object Detection, VO

LongShortNet 模型介绍 任务说明 本模型所述的任务为流感知（Streaming Perception）任务，该任务为视频目标检测（Video Object Detection, VOD）

DEPE模型介绍 基于多摄像头的纯视觉3D目标检测方法在自动驾驶领域得到越来越广泛的关注。DEPE模型采用Transformer的end-to-end的结构设计，无需传统检测方法中手工设计的要素(如a

视频目标检测 自动驾驶实时视频检测模型, 把周围环境检测问题，转化为将来环境预测问题，从问题定义的层面解决自动驾驶中环境感知时延的问题。该任务定义为流感知（Streaming Perceptio

我负责了自动驾驶规划算法的设计（100%），包括lattice规划算法，与carla的联合仿真，实现自动驾驶场景下的模拟。场景包括静态障碍物避障，动态障碍物避障和停障，可以为机器人公司提供基础的算法研究平台和实战平台。

1、项目分为：自动为驾驶数据记录系统，数据采集模块，数据加密模块，数据存储模块，数据读取模块，数据传输模块 2、项目采用：Python、C、java、自定义数据存储方式，采用国产Rk系列车规平台 3、难点：毫秒级can数据采集与存储，实时数据解析，基于国产车规的设备整合设计

1. 项目可进行无人艇运动控制仿真，包括路径跟踪、多目标避障.一个插值跟踪，一个人工势场避障，只有简单的例子。无人船的水动力系数和其他参数可以按实际船型在boat.ini文件中修改。 2. 个人拥有该仓库账号，开发了全部源代码。

1.雷达 视觉 雷视融合产品 应用自动驾驶和车路协同 智慧交通 负责 架构设计 产品设计 感知融合算法开发 包括嵌入式 docker AI 语言C++ MATLAB python