有些人可能认为，实现自动驾驶的最大挑战在于开发出一些算法，让汽车知道应前往何地和采取哪条路线 – 即规划和策略。其实不然。最大的挑战在于传感和感知，也就是建立一个感知系统，可靠地创建最准确、最强大的环境模型，为规划和策略功能的运行提供依据。换句话说，感知系统是实现更高水平自动驾驶的关键。
OEM正寻求在车辆中部署最出色的感知系统，以实现保护生命和主动安全功能。在这方面，雷达拥有诸多优势，包括低成本的系统以及对各种天气和照明环境的适应力。
凭借这些属性，雷达成为了构建各种车辆环境模型的理想基础技术。除了基本的告警功能外，汽车日益需要实现辅助驾驶和自动驾驶功能，雷达的作用变得更加重要。集中智能并合理地应用机器学习可以优化雷达性能，确保车辆能够充分利用雷达的诸多优势，同时将数据与其它传感模式的数据相融合。这样做，OEM可以绘制出最优蓝图，设计并实现规划及策略功能，为汽车提供更高级的功能并解决最为棘手的极端状况。
阅读白皮书，了解机器学习如何充分利用雷达和其他传感方式收集数据，以及该技术的具体应用示例。
有些人可能认为，实现自动驾驶的最大挑战在于开发出一些算法，让汽车知道应前往何地和采取哪条路线 – 即规划和策略。其实不然。最大的挑战在于传感和感知，也就是建立一个感知系统，可靠地创建最准确、最强大的环境模型，为规划和策略功能的运行提供依据。换句话说，感知系统是实现更高水平自动驾驶的关键。
OEM正寻求在车辆中部署最出色的感知系统，以实现保护生命和主动安全功能。在这方面，雷达拥有诸多优势，包括低成本的系统以及对各种天气和照明环境的适应力。
凭借这些属性，雷达成为了构建各种车辆环境模型的理想基础技术。除了基本的告警功能外，汽车日益需要实现辅助驾驶和自动驾驶功能，雷达的作用变得更加重要。集中智能并合理地应用机器学习可以优化雷达性能，确保车辆能够充分利用雷达的诸多优势，同时将数据与其它传感模式的数据相融合。这样做，OEM可以绘制出最优蓝图，设计并实现规划及策略功能，为汽车提供更高级的功能并解决最为棘手的极端状况。
阅读白皮书，了解机器学习如何充分利用雷达和其他传感方式收集数据，以及该技术的具体应用示例。
