1200 元小而美的自动驾驶开发套件介绍

在这几年，随着自动驾驶的进展和火热，很多的同学、朋友都想了解、学习和研究自动驾驶系统，包括算法和工程原理等等。但学习过程中，总得有个实际场景练手吧？ carla 模拟器，实在太不真实了吧。买一套 apollo D-KIT ？太贵了。买一辆林肯 MKZ 改装，那就需要花更更多钱了。甚至买一辆一些小厂家开发的线控电动测试小车都需要动则十万人民币。好吧，学费竟然如此之高。不应该这样子的。所以，我们决定打造一款小而美的自动驾驶学习套件，只需要 1999 元一套。并且提供大量学习资源(文档、代码和数据集)，帮忙同学们快速上手打造自己的自动驾驶 bot 。


简单说：
此自动驾驶学习套件是一个类似行车记录仪那样的设备，挂在挡风玻璃后的，可行车记录，且具有前向碰撞预警功能。设备内已经配置了完善的开发环境(python 、c++、scons 等)，用户通过 ssh 远程连接到设备后，可以编程、编译代码、运行程序等。设备内除了 gps 定位模块、操作系统外，其余代码全部开源。ssh 进去即可立刻改动代码，代码立刻在你的设备生效，可回放行车视频或者上路立刻验证算法效果。

joyexpress 学习套件包括：
主机 *1 台
点烟器电源 *1 个
type c 数据线 *1 根
外置 GPS 模块(NEO M8N) *1 个
布卷尺 *1 把
使用手册 *1 本
配套的学习网站
快速响应的售后服务

售价：1200 元，顺丰包邮。

本学习套件的关键特点：
1 主机使用的是高通晓龙 821 处理器平台；因此，你可以发挥成熟的高通 SNPE 工具链的全部潜力，无论是 ai 模型转换(例如 onnx 转 dlc)，还是 ai 模型部署。
2 安装简单：挂在挡风玻璃后，通过点烟器接电，即可使用。
3 本套件不需要控制车辆，顾对搭载车辆无任何要求。
4 设备运行的代码 99%会开源。
5 丰富的学习资源：配套的学习网站，可直接运行起来的全流程代码案例和数据集。

买学习套件，现在就送赠品：
感知算法学习教程
可以直接用于训练模型的样本数据集
能实际运行起来的感知算法模型的 python3 训练代码、python3 测试代码、c++部署代码样例
onnx 模型转换 dlc 高通工具
行车历史视频(用于回放测试)
行车历史视频回放工具
宝贵的开发经验
从此，你为了学习自动驾驶，不再需要自己组装嵌入式硬件系统，不用调试 camera 的 isp ，为了把设备挂在车上也不用再开模具，为了良好的 gps 信号也不用再自己去 diy gps 模块。

也不用自己去摸索如何把 ai 模型转换为设备推理用的模型格式，也不用为 c++推理代码怎么写麻烦。更加不用为算法原理而烦恼，因为我们有直接写好的代码！

从这里开始，你可以把精力放在能改变世界的关键问题上，这些繁琐的问题，我们为你抗。

感兴趣的，请现在联系我们： [email protected]


附录. 配套学习网站中的感知算法教程(建设中)：

一 part1 基础知识

自动驾驶系统介绍

感知算法需要重点讨论

车道线识别

行驶轨迹预测？

神经网络概述

目标检测算法概述

二 part2 自动驾驶框架分析与介绍

总体概述:

以 openpilot 作为案例，对涉及的重点模块进行介绍

图像获取模块

图像预处理

AI 模型推理

openpilot 中用到的坐标系介绍

推理结果介绍

ui 显示系统（车道线、障碍物绘制在图像上）

碰撞检测模型介绍

三 part3 基于视觉的障碍物目标检测系统介绍

总体概述

样本工厂

介绍样本是什么，已有数据集存在的问题

原始数据收集

以 livox 激光雷达为例子进行介绍。涉及设备安装、内参测量、标定外参、点云纠正等

标注样本

使用 centerpoint 识别 3d box

算法介绍(魔改过的 centernet)

算法训练

启动训练命令是什么

如何导出 onnx 模型

模型测试(在训练服务器上，用 python3 显示或者写结果到图像中)

模型转换

模型部署到小设备上

在小设备上回放行车视频，测试模型

到真车上，实测

四 part4 实用经验分享

gpu 使用率监控

nvtop -p

htop 介绍

nmon 介绍

把样本储存于 nvme 硬盘

screen or tmux

车载计算平台的开发心得

温度、功耗 https://mp.weixin.qq.com/s/KDgzibzGqWrCkd6DxO13yw

livox 激光雷达的确很适合静态大场景的 3d 建模

展示一张场景图