现在用的是MDC300平台，安装的cann版本是Ascend-cann-toolkit_5.0.mdc300_linux-x86_64.run，但是在onnnx转om文件时，用到了不支持的算子，如何解决不支持的算子呢？如果升级cann,需要卸载原来的cann吗？如何升级cann呢？

老师好，今天编写代码时遇到这样一个错，主要在chassis节点引用了以下两个头文件，在 chassis 端接收cantp的 CanTpMsg 信息。sysroot/usr/include/adsfi/arxml_include/ara/cantp/cantpmsgserviceinterface_common.h"sysroot/usr/include/adsfi/arxml_include/ara/cantp/cantpmsgserviceinterface_proxy.h"但是MDS编译报出如下错误：CMakeFiles/chassis.dir/src/chassis.cpp.o：在函数‘ara::cantp::proxy::CanTpMsgServiceInterfaceProxy::CanTpMsgServiceInterfaceProxy(vrtf::vcc::api::types::HandleType const&)’中：/home/dymiao/software/ubuntu_crossbuild_devkit/sysroot/usr/include/adsfi/arxml_include/ara/cantp/cantpmsgserviceinterface_proxy.h:65：对‘ara::cantp::CanTpMsgServiceInterface::ServiceIdentifier’未定义的引用/home/dymiao/software/ubuntu_crossbuild_devkit/sysroot/usr/include/adsfi/arxml_include/ara/cantp/cantpmsgserviceinterface_proxy.h:65：对‘ara::cantp::CanTpMsgServiceInterface::ServiceIdentifier’未定义的引用/home/dymiao/software/ubuntu_crossbuild_devkit/sysroot/usr/include/adsfi/arxml_include/ara/cantp/cantpmsgserviceinterface_proxy.h:65：对‘ara::cantp::CanTpMsgServiceInterface::ServiceIdentifier’未定义的引用/home/dymiao/software/ubuntu_crossbuild_devkit/sysroot/usr/include/adsfi/arxml_include/ara/cantp/cantpmsgserviceinterface_proxy.h:65：对‘ara::cantp::CanTpMsgServiceInterface::ServiceIdentifier’未定义的引用collect2: error: ld returned 1 exit statusmodules/chassis/CMakeFiles/chassis.dir/build.make:139: recipe for target 'modules/chassis/chassis' failedmake[2]: *** [modules/chassis/chassis] Error 1CMakeFiles/Makefile2:164: recipe for target 'modules/chassis/CMakeFiles/chassis.dir/all' failedmake[1]: *** [modules/chassis/CMakeFiles/chassis.dir/all] Error 2Makefile:83: recipe for target 'all' failedmake: *** [all] Error 2意思是这个头文件里面的东西还有没有实现的，可应该是华为自带的头文件，应该是用armxml生成的，实现应该全部写好才对啊，这个是我没引用相关的库吗？

老师们好，目前开发chassis节点，作为control和车身底盘的前梁节点。我参照平台Sample 中 canfd 、cm_sample demo 利用 event 方式在 chassis节点 接收control发出的信息，目前服务实例可以找到 为1， 但是调用 SetReceiveHandler（） + 数据回调函数 没有获取到control 发出的HafchassisCommand数据信息。相关的代码、日志在附件，麻烦专家们给找找问题所在，谢谢！

请问华为的专家们，目前可以看到ADSFI contool节点可以发送相应的控制信息，PLATFORM Canfd节点可以向车底盘发送控制信息，从而驱动车做相应的驾驶选择。那问题是我如何把 control 发出的控制信息传达给canfa再下发小车呢？这方面有相关参考的信息没有，有可行的解决方案吗？谢谢回复！

再使用onnx模型转换om模型的时候，基本的算子比如reshape，shape，unsqueeze，slice等都报出the type is unsupported的问题，该如何解决呢

使用pytorch训练的车道线检测模型lanenet转化为了onnx，随后使用mindstudio里面的功能进行转化成om模型，但是报出这种错误该如何解决，使用onnx转化的模型是可以进行推理的。

可以ping通激光雷达，而且也可以用rtfevent list查找到激光雷达的event，但是使用rtfevent hz却无法找到数据

自动驾驶技术所采用的传感器主要包括摄像机，激光雷达和毫米波雷达。摄像机用于采集可见光图像，对于物体的形状和类别的感知精度较高。由于深度学习技术的成功起源于计算机视觉任务，很多成功的算法也是基于对图像数据的处理，因此基于摄像机的感知技术目前已经相对成熟。图像数据的缺点在于缺少了场景和物体的距离信息，且受天气和环境的影响较大。激光雷达在一定程度上弥补了摄像机的缺点，可以精确的感知物体的距离，但是限制在于成本过高，难以大批量生产。毫米波雷达具有天线波束窄、分辨率高、频带宽、抗干扰能力强等点， 可以比较精确的测量物体的速度和距离，受天气和环境影响较小，而且成本较低，易于大规模生产，因为也成为了目前自动驾驶技术研究的一个热点方向。2003年，NASA发射勇气号和机遇号（Spirit and Opportunity）火星车，其目的是寻找火星上是否有水存在或曾经有水存在。2004年，美国主要的军事研究机构DARPA在Mojave沙漠组织了一场比赛，邀请全世界各地的企业或人建造来制造一辆能够横穿加州Mojave沙漠的自动驾驶汽车，要求无人驾驶车辆驾驶150英里的越野路线。这场比赛共有21支队伍获得参赛资格，但最终只有12辆车参赛；而由于机械故障和陷入沙坑等问题，所有参赛队伍都没有跑完全程。2009年，由国家自然科学基金委主办、西安交通大学承办的首届中国“智能车未来挑战”大赛在西安浐灞生态区拉开战幕。自动驾驶是为了实现一定的需求而研发的新技术。现主要有两类需求：满足园区、港口、工厂等特定场所的工作需求；实现物流，巡检，接驳等特定功能。自动驾驶在公共交通领域和特定场所的使用将早于在个人乘用车市场的普及。自动驾驶感知技术与多传感器数据融合技术模块中，自动驾驶算法总结一下大致包含一下方面：摄像头感知算法（1）摄像头目标检测机器学习算法（2）摄像头目标检测深度学习算法自动驾驶激光雷达感知算法（1）激光雷达地面检测机器学习算法（2）激光雷达目标检测机器学习算法（3）激光雷达目标检测深度学习算法自动驾驶多传感器融合算法（1）数据级融合算法（2）特征级融合算法（3）决策级融合算法 

作者：陈云培自动驾驶决策系统，是自动驾驶汽车的大脑，决策系统的提升，就像是人类的成长一样。自动驾驶是集感知、决策、控制于一体，充分考虑车辆与交通环境协调规划的系统，也是未来智能交通系统的重要组成部分。正如人走路需要知道路况、了解方向、及时避让障碍物，并走到目的地一样，感知、决策、控制对于自动驾驶汽车来说，也是非常重要的。感知就如人的眼睛、耳朵一样，通过在自动驾驶汽车上加装毫米波雷达、激光雷达、车载摄像头等硬件设备，可以让自动驾驶汽车看得清路况，感知系统可以通过感知硬件，对车道线、车辆、行人等多个交通参与者进行检测，其技术核心就是感知硬件检测的精确度和多个感知硬件对感知结果的融合度。决策则像大脑，可以对路况进行分析，并做出接下来一步的动作，控制则是让自动驾驶汽车可以根据大脑（决策）分析的结果，做出动作。决策可以理解为根据感知信息来进行判断决策，确定适当的工作模型，并制定相应的控制策略，可以替代驾驶员做出进一步的行驶决策。根据美国汽车工程师协会分类，将自动驾驶分为L0~L5共6个等级，随着自动驾驶等级的不断提升，自动驾驶汽车的智能化也更为全面，当达到L5级之后，自动驾驶汽车可以独立完成行驶动作，无需驾驶员对汽车进行操作。自动驾驶等级的提升，其背后主要体现的也是决策系统的技术提升。控制就像是人的手和脚一样，对具体的出行动作进行控制执行，让自动驾驶汽车可以完成出行过程，控制系统可以完成车辆的转弯、加速、灯光控制等一系列动作，是实现自动驾驶落地的最后一步。正如前文所述，决策系统就像人的大脑一样，可以对自动驾驶汽车的速度、方向及车灯等进行控制，决策系统越智能，自动驾驶汽车可实现的等级则越高，传统理解中，决策系统涵盖了环境预测、动作规划、路径规划、行为决策等。自动驾驶汽车想要独立完成驾驶过程，仅仅看得清路况是远远不够的，还需要对未来的路况进行预判，因此决策系统需要完成对环境的预测。环境预测即对交通环境进行预测，环境预测不仅仅局限于结合物理规律做出预测，而是可以结合物体和周边环境以及积累的历史数据信息，对感知到的环境做出更为“宏观”的行为预测，其中涵盖了交通参与者的方方面面，如对感知到的车辆、行人等进行行为预测，通过对感知时车辆、行人等的瞬时动作，可以判断其下一步的动作，如速度、位置、方向等，可以控制自身完成避让、减速、变道等一系列动作。此外，环境预测还涵盖了对交通信号的预测，这其中包含了对限速标志、红绿灯、潮汐车道等交通环境的理解和判断。动作规划则更多强调为自动驾驶汽车自身，动作规划主要是对自动驾驶短期甚至瞬时对动作进行规划，根据对环境预测的结果，完成诸如转弯、避让、超车等动作。同时对于交通的动作规划也必不可少，如在限速路段的车速控制、红绿灯情况下的停车/行车、潮汐车道的车道线选择等，均需要提前进行规划。动作规划可以让自动驾驶汽车安全、高效地参与交通，让自动驾驶成为现实。除了动作规划外，自动驾驶汽车还需要完成对行驶路径的规划，如从出发地到目的地之间的路径规划，可以对需求的路径进行选择或设计，这是决定自动驾驶汽车如何走必要的一环，路径规划可以让自动驾驶汽车从大方向上知道出行过程需要经过的路段，并根据乘客需求（购物、观影等）及时做出路径调整，让自动驾驶汽车在出行过程中，不仅可以耗时短，还可以极大程度上，满足乘客需求，实现路径自定义，让出行过程更加顺畅。行为决策则落到了自动驾驶汽车自身，通过对自身的实时位置、速度、方向等信息，与环境预测中获取的交通信息、动作规划中完成的路径规划等进行参照，可以让自动驾驶汽车预判可能发生的危险及即将需求的动作，让自动驾驶汽车可以对自身动作进行调整。自动驾驶决策系统是自动驾驶汽车智能化的直接体现，对自动驾驶汽车的安全性起着决定性作用，由于承担着自动驾驶汽车“大脑”的任务，自动驾驶决策系统也决定自动驾驶汽车可以达到什么等级标准。现阶段，自动驾驶汽车的发展并不能让所有人所推崇，究其原因，还是因为自动驾驶汽车并不能像人类驾驶员驾驶汽车一样智能，无法做到在出现“鬼探头”“加塞”等极端交通路况下对自身动作及时做出调整，也就是说自动驾驶汽车现阶段并不“智能”。在自动驾驶的框架中，感知、决策、控制这3个框架中，其中感知程度的高低，取决于在自动驾驶汽车上加载的激光雷达、毫米波雷达、车载摄像头等硬件设备，就如人如果近视可以佩戴近视眼镜一样，如果自动驾驶汽车出现感知不准确、不及时等现象，可以通过更换技术标准更高的感知硬件，来直接提升感知的准确度。控制作为执行端，如果出现问题，也是可以通过对自动驾驶汽车的硬件进行更换，从而达到需求的标准。而决策系统的技术提升并不像感知系统和控制系统一样，可以通过硬件更换和提升来实现，为了让自动驾驶汽车可以像人类驾驶汽车一样灵活，需要决策系统大量的深度学习，需要能够处理各种突发路况，而这一点恰是最难的。策系统是否达标并不像感知系统、控制系统有明文的文字条例、技术标准，决策系统除了能够灵活处理各种突发路况也远远不够，为了能让消费者所接受，决策系统还需要像“人”一样，可以根据“人”的思维来处理各种突发情况，而这恰是最难的。决策系统的发展，必将会随着大量数据的“喂养”变得愈发智能，让出行变得更加安全，随着人工智能、深度神经网络及智能网联技术的发展，决策系统将获得进一步的提升。其中智能网联技术可以将车与车、车与人、车与交通之间信息进行交互，让自动驾驶汽车不仅仅可以“思考”，还能“交流”，可以让自动驾驶汽车提前对交通路况做出判断，提前知晓交通环境的变化，让行驶变得更加智能，这也导致智能网联技术得到了进一步的推崇。自动驾驶决策系统，是自动驾驶汽车的大脑，决策系统的提升，就像是人类的成长一样，现阶段决策系统还像是2、3岁的小孩，会走路，但是走起来会摔跤，会不经意间磕磕碰碰，当长大到一定年龄后（技术提升），决策系统将可以独立完成出行工作，此时自动驾驶汽车将可以实现L5等级，自动驾驶也将落地。责任编辑：张燕妮    来源： 智驾最前沿

8月1日，国内首部关于智能网联汽车管理的法规《深圳经济特区智能网联汽车管理条例》正式实施，首次对智能网联汽车的准入登记、上路行驶等事项作出具体规定；并首次明确了自动驾驶汽车的认责。深圳引入的这项法规是迄今为止中国关于自动驾驶汽车上路最为明确的法规，即日起，自动驾驶汽车可以在驾驶位没有司机驾驶的情况下行驶，但在大部分地区，司机仍然必须在车内出现，可以是坐在副驾驶位甚至是后排。据悉，《深圳经济特区智能网联汽车管理条例》共有9章，这是国内首个国内首个智能网联汽车管理条例。由于自动驾驶交通事故不断增加，针对事故责任认定问题，《条例》首次有了明确规定。此前便有业内人士表示，自动驾驶发生车祸引起社会敏感点的主要原因是没有具体法规参考，比如一些自动驾驶系统可以通过识别路况辅助车主，但当没有识别出来并发生车祸的情况下，责任究竟出在谁身上。对此，8月1日起正式实施的《条例》规定：一是有驾驶人的智能网联汽车发生交通违法或者有责任的事故，由驾驶人承担违法和赔偿责任；二是完全自动驾驶的智能网联汽车在无驾驶人期间发生交通违法或者有责任的事故，原则上由车辆所有人、管理人承担违法和赔偿责任，但对违法行为人的处罚不适用驾驶人记分的有关规定；三是交通事故中，因智能网联汽车存在缺陷造成损害的，车辆驾驶人或者所有人、管理人依照上述规定赔偿后，可以依法向生产者、销售者请求赔偿。值得注意的是，《条例》依然是一份允许相关车辆在特定区域进行测试，而不是正式放开给普通市民驾驶相关车型上路的法规，这与德国直接给奔驰S级车型开放全国高速路段相比，仍略显保守。但无论如何，作为我国自动驾驶领域具有突破性的一部立法，《条例》的出现都将推动我国自动驾驶快速前行。

前言ModelArts 是面向开发者的一站式 AI 开发平台，为机器学习与深度学习提供海量数据预处理及交互式智能标注、大规模分布式训练、自动化模型生成，及端-边-云模型按需部署能力，帮助用户快速创建和部署模型，管理全周期 AI 工作流。背景自从十多前年Darpa的Grand Challenge竞赛开始，自动驾驶汽车技术不断得以发展，尤其近年来随着深度学习技术的出现，技术进步越来越快。自动驾驶汽车的组成部分有很多，其中最关键的是传感器和驱动它们的AI系统。随着计算能力的不断增强，新兴的深度学习网络可以对路况细节、可视视野和遥测数据进行很好的学习，有望成为自动驾驶汽车强大的“大脑”，用来理解路况、环境及对车辆运行进行决策。基础环境准备在使用 ModelArts 进行 AI 开发前，需先完成以下基础操作哦（如有已完成部分，请忽略），主要分为4步（注册–>实名认证–>服务授权–>领代金券）：使用手机号注册华为云账号：点击注册点此去完成实名认证，账号类型选"个人"，个人认证类型推荐使用"扫码认证"。 点此进入 ModelArts 控制台数据管理页面，上方会提示访问授权，点击【服务授权】按钮，按下图顺序操作： 进入 ModelArts 控制台首页，如下图，点击页面上的"彩蛋"，领取新手福利代金券！后续步骤可能会产生资源消耗费用，请务必领取。 以上操作，也提供了详细的视频教程，点此查看：ModelArts环境配置模型简介当今很多车都带有辅助驾驶员的驾驶的功能，比如车道保持功能。参考https://arxiv.org/abs/1802.05591，基于tusimple数据集训练出模型，运行帧率达50fps，能够处理多数车道和车道变换。使用方法目前该模型支持使用ModelArts平台进行交付，订阅该模型后，你可以将该模型发送到一个指定的Region的ModelArts平台。在ModelArts平台，你可以一键式地将该模型部署成在线API服务。1.订阅模型首先，先去订阅此模型2.同步模型同步模型到指定区域，我这里选择的是北京四，需要耐心等待几分钟3.部署部署为在线服务这里建议配置选择2核8G，比较实惠，也够用了，0.8一小时确认信息提交即可等待部署完成4.预测点击预测启动在线服务，这里只需上传准备好的数据，就可以验证此模型是否生效先上传后再预测检测前后对比动图-效果图总结本此自动驾驶-车道检测到此完成，需要请大家注意：因为本实验主要的目的是让大家了解使用 ModelArts 进行 AI 开发的基本操作，为了减少操作的难度和时间长度，只用了少量的数据集用于训练，可能造成数据预测不是很准确的情况，请大家理解。本文中我选择的都是较低费用的规格，如果大家领取了新手代金券，可以尝试使用付费规格获得更好的体验，但记得及时关闭相应服务哦！Tips：实验结束后请及时停止在线服务，不然在线服务会持续收费有可能导致欠费，致使华为云账号被冻结而影响使用。 我们在在线服务管理页面单击对应服务列表后的"停止"按钮即可停止本在线服务。

2003年，NASA发射勇气号和机遇号（Spirit and Opportunity）火星车，其目的是寻找火星上是否有水存在或曾经有水存在。2004年，美国主要的军事研究机构DARPA在Mojave沙漠组织了一场比赛，邀请全世界各地的企业或人建造来制造一辆能够横穿加州Mojave沙漠的自动驾驶汽车，要求无人驾驶车辆驾驶150英里的越野路线。这场比赛共有21支队伍获得参赛资格，但最终只有12辆车参赛；而由于机械故障和陷入沙坑等问题，所有参赛队伍都没有跑完全程。2009年，由国家自然科学基金委主办、西安交通大学承办的首届中国“智能车未来挑战”大赛在西安浐灞生态区拉开战幕。自动驾驶是为了实现一定的需求而研发的新技术。现主要有两类需求：满足园区、港口、工厂等特定场所的工作需求；实现物流，巡检，接驳等特定功能。自动驾驶在公共交通领域和特定场所的使用将早于在个人乘用车市场的普及。自动驾驶感知技术与多传感器数据融合技术模块中，自动驾驶算法总结一下大致包含一下方面：自动驾驶摄像头感知算法（1）摄像头目标检测机器学习算法（2）摄像头目标检测深度学习算法自动驾驶激光雷达感知算法（1）激光雷达地面检测机器学习算法（2）激光雷达目标检测机器学习算法（3）激光雷达目标检测深度学习算法自动驾驶多传感器融合算法（1）数据级融合算法（2）特征级融合算法（3）决策级融合算法 

7月21日，由百度与央视新闻联合举办的2022百度世界大会在线上召开。会上，百度最新AI技术成果集中亮相，首发多个全球领先产品：基于自动驾驶技术的重大突破，百度发布无方向盘无人车Apollo RT6，成本25万元，量产成本大幅降低至业界的1/10。“未来打无人车，要比现在打车便宜一半。”百度创始人、董事长兼首席执行官李彦宏在大会期间，分享了自动驾驶、智能交通、AIGC等领域的最新观点。百度发布没有方向盘的自动驾驶汽车RT6，基于自动驾驶技术的重大突破，把无人车的成本，降低至业界的1/10，和市面上的普通新能源车价格差不多。按计划，百度明年将在萝卜快跑平台使用RT6，未来可以在全国部署上万辆。未来的城市智能交通，不仅要有“聪明的车”，还要有“智慧的路”。车路协同能有效解决安全、拥堵、碳排放等重要问题。根据大会上披露的最新数据，百度智能交通方案已经在全国50多个城市得到实践和验证，其中AI信控技术百度已经做到了全球最领先的位置。李彦宏认为，“以车路协同为基础的智能交通，可以让通行效率提升15%-30%，推动GDP每年2.4%-4.8%的绝对增长；随着智能交通的深入实践，四年之内中国的一线城市将不再需要‘限购’‘限行’。智能交通系统，有望降低90%交通安全事故。”

广州港南沙港区四期全自动化码头是全球首个江海铁多式联运全自动化码头。南都记者　邹卫　摄7月28日，广州港南沙港区四期全自动化码头正式投入运行。该码头是全球首个江海铁多式联运全自动化码头，也是粤港澳大湾区首个全新建造的自动化码头，将为广州贯彻落实《广州南沙深化面向世界的粤港澳全面合作总体方案》，引领建设大湾区国际航运、科技创新功能承载区和打造世界级港口群注入新动能。●建有4个10万吨级海轮泊位及配套集装箱驳船泊位●集北斗导航、5G通讯、人工智能、无人驾驶于一体●创造了60多项专利，其中发明专利31项●使用了首创北斗导航无人驾驶智能导引车●轨道吊自动对位，抓取集装箱放置在堆场●整个作业过程行云流水，作业区内空无一人

今日，小马智行与三一集团旗下三一重卡宣布，双方将成立合资公司，开展 L4 自动驾驶重卡产品的研发、生产与销售，共同打造高端自动驾驶重卡品牌。▲ 基于三一新能源卡车平台打造的首辆自动驾驶样车 | 图源：小马智行IT之家了解到，小马智行表示，双方将深度整合小马智行的“虚拟司机”技术能力与三一重卡在线控底盘和整车开发领域的技术积累，共同定义和开发面向未来智慧物流的车规级、带冗余的 L4 高端智能重卡产品。合资公司计划将于 2022 年内开始小规模量产交付，2024 年开始大规模量产，几年后年产量将有望突破万辆规模。目前，基于三一新能源卡车平台打造的首辆自动驾驶样车已经开始路测验证。据介绍，小马智行基于 NVIDIA DRIVE Orin 系统级芯片设计的域控制器也将全面赋能合资公司生产的智能卡车。