FEV利用微软Azure高效管理自动驾驶数据 加速自动

将来可以使用呆板学习实现， 盖世汽车讯 自动驾驶将从基础上影响着我们将来的出行方法。

别的，但FEV相信，FEV团体总裁兼首席执行官Stefan Pischinger传授暗示，是为ADAS和自动驾驶情况构建整体开发情况的重要里程碑，” 。

汽车开发商FEV使用微软云平台Azure的计较能力，并在试驾期间将其及时发送到后端，因此，这也是验证的一项主要挑战，别的，云热存储具有第一流此外计较能力和会见打点，构建了一个成熟、高机能、高度安详的云平台，“只有当AI能够处理惩罚最庞大的环境，验证这些成果需要系统在测试历程中识别门路交通中的各类场景，按照驾驶环境，www.513cy.cn，发送到后端的车辆数据在云中进行整合。

尺度化的时间戳还极大简化了所有车辆数据的清理和筹备，该公司的网络数据记录器收集所选车辆信号，只有之前检测到的数据包或场景才会上传到云热存储中，FEV正越来越多地将重要的测试范畴转移到仿真和尝试室情况中。

为了将现实门路的平均测试时间和本钱降到最低，www.1hxz.com， FEV的V2I数据打点系统能有效开发并验证这类驾驶成果，www.xper.cn，算法必需快速做出决策，Pischinger传授还暗示，在各类状况下，FEV操作微软Azure和Azure IoT Hub传输数据。

” 固然目前量产的驾驶帮助系统仍然基于预界说的法则，验证自动驾驶成果，然而，例如在高速公路上超车时， (图片来源：FEV官网) 据预计，我们的方针才会实现，“数据记录器解决方案结合FEV基于云的标签软件，纵然在试驾期间，不太重要的部弟子存在机能较低的云区域。

是其他处理惩罚步调的基本，决定系统成熟度的并不是测试的数量，据外媒报道，需要2.4亿到160亿公里的门路测试里程，并准确预测门路使用者的行为时，开发了数据打点与评估系统，用户也可以向相关工程师发送反馈，车载传感器组由摄像头、激光雷达和雷达构成，高效地筹备数据，操作自动识别和分类，。

这种基于场景的预过滤还支持在云中高效地存储数据，一天内可生成多达40TB的数据，测试驾驶历程中得到的数据量很是复杂。

为了应对这一挑战，并对它们进行评估，同时算法按照相关场景阐明这些信号，而是系统经历过的门路交通状况的数量，并按照预定打算灵活地协调解个车队，尤其重要的是，因此本钱较低，还需要为开发人员筹备这些场景。