INSPEX系统将改造用于自主驾驶汽车中常见的障碍物检测功能，使其适用于便携式和可穿戴应用(包括视障者和盲人、机器人、无人机和智能制造的引导)。

随着汽车从辅助驾驶往全自动驾驶的快速发展，英特尔预测到2020年自动驾驶车辆每天将产生4000GB的数据量，这就要求强大的云计算平台、5G网络和车内自动驾驶处理等各方面的融合。单单车辆系统的数据和服务市场到2030年就将高达700亿美元，难怪各大芯片公司、汽车电子供应商和汽车制造商纷纷投入资金和技术资源到自动驾驶上。

从前局限于计算机科学研究的计算机视觉和特定行业应用的机器视觉技术在AI时代也走向前台，点亮无数智能设备的“眼睛”。那么，计算机视觉和机器视觉技术在自动驾驶、无人机和工业机器人等应用方面又有什么区别呢？

此次发布的十大突破性技术强调科技的实用性，并重视这些技术对未来人类生活的改变和改善，其中一些技术已经应用到现实生活中。

这可能是目前自动驾驶领域，最具性价比优势的一体化解决方案之一，深扒其技术路径的同时，我们也来聊聊自动驾驶深度感知技术的痛点和出路。

自2016年CES展上亿航首次展出184载人无人机后便饱受各种争议。在经历了“裁员风波”后，相比以往大张旗鼓的宣传，此次迪拜合作显得略为低调。一家中国制造的无人机厂商为什么最后会选择在迪拜进行“飞的”运行？能否成“中国的特斯拉”？

2月10日，英伟达发布2016年第四季度的财报显示，其营收同比增长55%，净利润达到6.55亿美元，涨幅逾200%。英伟达在GPU芯片开发方面占尽先机，英特尔和AMD等竞争对手将如何在这一利润肥厚的领域分一杯羹？

“当即将遇到无法避免的交通事故时（unavoidable accident），无人驾驶汽车是减少人命损失，即使这样意味着牺牲它的车主及车上的乘客；还是不惜一切代价，保护车主至上呢？”这个问题一直是自动驾驶中的困扰点，在不久的将来，作为自动驾驶汽车车主的您，更倾向哪种策略呢？

仅仅通过多次使用相同种类的传感器无法克服每种传感器的缺点。反之，我们需要将来自不同种类传感器的信息组合在一起。工作在可见光谱范围内的摄像头CMOS芯片在浓雾、下雨、刺眼阳光和光照不足的情况下会遇到麻烦。而雷达缺少目前成像传感器所具有的高分辨率。我们可以在每种传感器中找到诸如此类的优缺点。

业界对用于ADAS的激光雷达技术趋之若骛。这是业内的热门话题，很多大公司都想从中分得一杯羹。英飞凌去年通过收购Innoluce获得了激光雷达专用技术。ADI公司也从Vescent Photonics公司收购了LBS技术，以支持主流汽车激光雷达系统的普及。未来必将有更多同类的收购案发生，使这个市场火热起来。

搞汽车的脑子里面总有一个对标，看汽车什么样子大家也是把各家的情况放在一起。现在的纯电动汽车的品牌，不外乎想从黄金端做起，一是超越Tesla最高配的那个，二是把产品与现有的赛车进行比较……

Quanergy的光学相控阵扫描技术和Velodyne的固态混合扫描技术各有优缺点。

特斯拉Model 3宣布跳票，让FF 91缓解下了产能方面的尴尬。不过，这辆突然问世的“神车”，它的各方面技术亮点，均缺乏有效的佐证与互证。究竟是低调的颠覆者，还是一场被贴满各种反传统标签的骗局？