自动驾驶

组件提供异步回调注册、终态去重、任务取消、OBD断连处理、回调静默超时检测、后台线程退出和服务关停管理。任务运行期间可以持续接收进度事件，并在完成、失败或取消时统一收敛状态。组件还能够阻止迟到回调进入已经销毁的业务对象，在全局取消后为相关业务生成明确终态，并为周期任务保留下一轮自动恢复能力。

项目采用Python开发，实现了面向自动驾驶场景的单目深度估计系统，主要包括模型管理、图像推理、视频推理、实时摄像头推理、结果可视化、性能监控及数据导出等功能模块。系统支持Lite-Mono等多种深度估计模型加载，可完成图片、视频及摄像头画面的深度预测，并实时显示彩色深度图和推理帧率等运行信息。系统

1.基于BEV（Bird's-EyeView）空间建立三维车道线检测模型，降低透视畸变影响。2.复现BEV-LaneDet网络，并实现ApolloSyntheticDataset数据集训练与验证。3.对比3D-LaneNet、Gen-LaneNet等模型性能，分析不同三维建模方式的检测效果。4.使用

模型转换与部署：实现了从PyTorch(.pt)到ONNX再到RKNN的完整模型转换链路，适配瑞芯微NPU硬件加速。多线程视频流处理：设计了图像采集、预处理、模型推理、结果后处理的并行流水线，最大化利用CPU与NPU资源。自适应视觉算法：集成了动态阈值分割与逆透视变换（IPM）算法，解决了复杂光照下

平台围绕“虚拟仿真+数据服务+算法测评”搭建一体化功能体系：1）虚拟仿真环境模块：构建城市道路、高速、乡村道路、恶劣天气等高保真驾驶场景；2）智能数据生成模块：生成图像、点云、毫米波雷达、GPS/IMU、车辆轨迹与决策逻辑等多模态数据；3）算法测评模块：支持感知、预测、规划、控制等算法接入，输出安全

系统包含五大模块：1）多型号LiDAR统一Capture抽象层，支持禾赛/速腾/Mid360/Fairy/Velodyne等7+型号；2）运动补偿与时间戳处理子模块，统一start_stamp/end_stamp填充与纳秒精度对齐；3）PTC优先+本地dat回退的标定参数加载兜底机制，保障LiDAR

1碰撞检测模块：预测物体会不会碰撞+碰撞后如何检测出来已经碰撞2目标检测模块：使用传统或深度学习检测具体的货物容器（托盘，货架，料笼），厂区的行人，头盔，车辆等3避障检测模块：360°雷达检测避障，可对高于8cm的静态物体进行检测，不针对特定物体，不依赖数据集，移动物体通过多传感器相机和雷达融合输出

机器人数据闭环系统聚焦机器人全生命周期数据治理与智能迭代，打造全链路、自动化、可复用的一体化功能体系，全方位支撑机器人智能化、规模化落地应用。系统具备多模态数据统一采集功能，可适配工业、服务、运维等各类场景机器人的视觉、传感、运动控制等多类型数据，实现全域数据实时汇聚、自动归集，解决多源数据分散割裂

基于大模型驱动的具身智能巡检小车，面向新能源场站等复杂环境，实现自主导航、动态避障与智能巡检。融合SLAM建图与路径规划算法，支持多点巡检与多机器人协同作业。内置视觉与语音多模态感知能力，可完成仪表读数识别、设备状态分析及异常预警。结合大模型推理能力，实现巡检策略优化与自主决策。支持数字孪生与远程交

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。

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

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