激光雷达行业梳理1-概述、市场、技术路线

        激光雷达作为现代精确测距和感知技术的关键组成部分,在近几年里取得了令人瞩目的发展。作为自动驾驶感知层面的重要一环,相较摄像头、毫米波雷达等其他传感器具有“ 精准、快速、高效作业”的巨大优势,已成为自动驾驶的主传感器之一,是实现 L3 级别以上自动驾驶最重要的传感设备。目前国内车规级激光雷达标准逐步趋于完善,伴随半固态式、固态式等技术不断革新,未来作为自动驾驶核心配置的发展潜力巨大。除此之外激光雷达也在机器人技术、智能制造等领域广泛应用,促使激光雷达市场不断增长。
        下面我们将主要介绍激光雷达的概念 发展历程 等内容,并分析 驱动市场增长的因素 、梳理其 技术发展 路线 。最后分析 激光雷达的产业链及相关公司 ,展望 未来发展

一、激光雷达概述

1、概念

        激光雷达(LiDAR)是一种通过脉冲激光照射目标并用传感器测量反射脉冲返回时间来测量目标距离的测量工具。其工作原理是向目标发射探测信号(激光束),然后将接收到的从目标反射回来的信号(目标回波)与发射信号进行比较,作适当处理后,就可获得目标的有关信息,从而对周围环境进行探测、跟踪和识别。激光雷达核心优势在于利用激光的高频特性进行大量、高速的位置及速度信息测量,形成准确清晰的物体 3D 建模。

2、发展历程

        激光雷达 21 世纪初引入汽车领域,随 ADAS 渗透率提升迎来快速发展。激光雷达最先用于地图测绘领域,高精度要求使得激光雷达成本居高不下。 Velodyne 将激光雷达应用到 DARPA 无人驾驶汽车挑战赛,首次将激光雷达带入了自动驾驶领域。其后随着 ADAS 等下游应用的持续发展,激光雷达领域企业不断增多,随着研发的持续进行,激光雷达的产品性能稳步提升,成本大幅下降,行业也迎来了长足的发展。

3、激光雷达主要性能参数

        激光雷达产品可以从显性参数、实测性能表现及隐性指标等方面进行评估和比较。显性参数主要指列示在产品参数表中的信息,主要包含测远能力、点频、角分辨率、视场角、精准度、功耗和集成度等。实测性能表现则主要指在实际使用激光雷达的过程中所测得的产品性能,其决定了无人驾驶汽车和服务型机器人对周围环境的有效感知距离。相比于显性参数,用户会更加关注实测性能,但激光雷达作为近年来才在市场获得较高关注度的新兴产品,能够参考的公开测试数据有限。隐性指标包含激光雷达产品的可靠性、安全性、使用寿命、成本控制、可量产性等,这些指标更加难以量化,也缺乏公开信息。

4、激光雷达对比其它汽车感知系统

        汽车感知系统以摄像头、毫米波雷达、超声波雷达、激光雷达、GNSS(全球定位系统)等为主。传感器作为实现汽车智能化的感知端设备,随着自动驾驶技术的快速发展,其重要性愈发凸显。汽车环境监测类传感器主要包括:超声波传感器、毫米波雷达、激光雷达、摄像头等。监测类传感器分布于车身内外,通过获取外界环境信息,将模拟信号转化为电信号后,传递至汽车的中央处单元中,从而帮助智能驾驶决策行为。此外,基于 GNSS、高精度地图和车路协同技术快速发展,进一步提升了智能驾驶的安全性、可靠性。
        其中激光雷达具有综合性能优势明显的特点,如:成像质量好,信息获取全。通过发射信号和反射信号的对比,构建出点云图,从而实现诸如目标距离、方位、速度、姿态、形状等信息的探测和识别。除了传统的障碍物检测以外,激光雷达还可以应用于车道线检测。优点在于测距远、精度高,获取信息丰富,抗源干扰能力强。主要缺点是在一些极端天气条件下可能会有一定影响,目前价格相对较昂贵。

二、多因素驱动市场增长

1ADAS+ADS 双轮驱动,激光雷达上车是智能驾驶的点睛之笔

        ADAS(高级驾驶辅助系统)能够利用安装在车上的各式各样的传感器(毫米波雷达、激光雷达、单\双目摄像头以及卫星导航)收集数据,并结合地图数据进行系统计算,从而预先为驾驶者判断可能发生的危险,保证行车的安全性。 ADAS 是无人驾驶的第一步,要想实现无人驾驶需要先普及 ADAS。
        商业化进程有望提速。ADAS 可分为 6 个级别,全球范围内 L3 级辅助驾驶量产车项目当前处于快速开发之中,未来越来越多高级辅助驾驶量产项目将实现量产;根据 Forst&Sullivan 的研究报告,2021-2026E 2026E-2020E 全球乘用车新车市场 ADAS 车辆销售 CAGR 有望达 75.5% 30.5%,其中中国增速最高,分别为 92.2%/29.3%

        随着 ADAS 商业化进程的提速,激光雷达海内外市场规模将持续发展。 2020 10 月,百度在北京全 面开放无人驾驶出租车服务,在 13 个城市部署总数测试车辆,并且与一汽红旗合作实现了中国首条 L4级自动驾驶乘用车生产线建设,具备批量生产能力。根据 Forst&Sullivan 研究估计, 2026 ADAS 领域使用激光雷达产业规模有望达 12.9 亿美元,其中中国、美国、其他地区分别为 6.7/3.5/2.7 亿美元。2030 ADAS 领域使用激光雷达产业规模有望达 64.9 亿美元,其中中国、美国、其他地区分别为32.5/13.0/19.5 亿美元。

        激光雷达是无人驾驶的“ 眼睛 ,激光雷达上车是智能驾驶的点睛之笔。 从自动驾驶技术发展来看,L0-L2 阶段,传感器与控制系统的革新是主要变化; L3-L4 阶段,感知与决策能力的增强是主要变化。 L2、L3 L4 级别的智能驾驶所需激光雷达台数分别为 0 台、 1 台和 5 台,激光雷达称为推动智能驾驶发展的重要因素。就国内市场而言,中国拥有世界最大的高级辅助驾驶和无人驾驶市场,成长空间也最为广阔。 2020 11 月发布的《智能网联汽车技术路线图( 2.0 版)》明确指出到 2030 年我国 L2 L3 级渗透率要超过 70%

2、纯视觉路线壁垒较高,车企可通过激光雷达缩短与特斯拉的差距

        量产车自动驾驶领域,纯视觉路线龙头特斯拉构建行业壁垒。自动驾驶有两条路线:视觉派(重算法、轻数据)和多传感器融合(重数据、轻算法)。特斯拉基于摄像头 + 毫米波雷达的 “纯视觉路线”,具有全球领先的研发能力和最丰富的用户数据积累。自动驾驶的算法核心是卷积神经网络和深度学习,需要通过海量的数据训练,尤其是对于摄像头获取图像的识别和处理,因此测试里程收集的数据量成为决定公司实力最重要的因素之一。根据特斯拉 2022 年各季度生产和交付报告显示, 2022 年累计交付车辆高达 131 万辆,新能源汽车销量稳居世界第一,其中上海超级工厂交付 71 万辆,占全球交付量一半以上,积累了远超竞争对手的数据量。依靠纯视觉路线,竞争者难以挑战其地位。
        国内车企通过激光雷达缩短与特斯拉的差距。国内车企如果坚持走视觉这条路,在自动驾驶领域追上特斯拉很难。国内车企可以通过激光雷达高质量的数据,可以弥补与特斯拉在智能驾驶上的差距,同时增加驾驶的安全性。

3、车联网+机器人多应用场景探索,释放市场更多增量

        智慧城市、车联网等场景有助于催生路侧激光雷达市场成长。世界范围来看,中国车联网发展速度最快,战略化程度最高。 2020 2 月,国家相关部门联合印发《智能汽车创新发展战略》,提出到 2025 年,车用无线通信网络( LTE-V2X 等)实现区域覆盖,新一代车用无线通信网络(5G-V2X)逐步开展应用,高精度时空基准服务网络实现全覆盖。激光雷达结合智能算法,能够提供高精度的位置、形状、姿态等信息,实现对交通状况进行全局性的精确把控,对车路协同功能的实现至关重要。随着智能城市、智能交通项目的落地,未来该市场对激光雷达的需求将呈现稳定增长态势。
        疫情刺激服务型机器人市场发展,2030 年激光雷达该领域规模预计达到 16.7 亿美元。服务型机器人主要应用范围包括无人配送、无人清扫、无人仓储、无人巡检等。面对新冠疫情,无人配送能够避免人与人的不必要接触,减少交叉感染概率。 2019 12 月,美国自动驾驶送货科技公司 Nuro 宣布与零售巨头 Kroger 合作,在休斯顿为顾客提供无人送货服务。 2020 7 月,京东物流无人配送研究院项目落户常熟高新区,其无人配送车也正式上线。 2020 10 月,美团正式发布位于北京首钢园区的智慧门店 MAIShop,集成了无人微仓与无人配送服务。根据预测,伴随全球服务型机器人出货量的增长以及激光雷达在服务型机器人领域渗透率的提升,至 2026 年激光雷达在该细分市场预计达到 4.7 亿美元市场规模, 2021 年至 2030 年的复合增长率可达 71.5%

三、激光雷达技术路线

        激光雷达技术路线多样,当前仍处于多技术路线并行阶段。技术路线有四个主要的维度:测距原理、光源、探测器、光束操纵。激光雷达主要包括激光发射、扫描系统、激光接收和信息处理四大系统,四个系统相辅相成。根据这四个系统的不同特征,可以从四个不同维度来阐述激光雷达技术路线。其中光源和探测器即激光雷达的发射端与接收端,光束操纵即激光雷达的扫描方式,测距则为信息处理提供距离信息。根据四个主要的维度可以将激光雷达进行分类,每个不同分类方式又可进一步细分为不同的技术路线,不同路线之间存在较大差异。

1、测距方法

1)按测距方法分类

        根据测距方法分类,激光雷达可分为 4 种类型。激光雷达根据测距原理主要有四类:飞行时间法( ToF )、调频连续波( FMCW )、三角测距法和相位法。最主要的两种测量方法是 ToF FMCW。ToF 测量原理是通过记录短脉冲发射到接收到反射光之间的时间来测量距离,并在测量过程中通过反射光的角度来测量物体的位置。FMCW 的测量原理是将发射激光的光频进行线性调制,使回波信号与考光进行相干拍频得到频率差来间接获得飞行时间反推目标物距离,优点是抗干扰强、可直接测量速度。

2ToF 测距方法当前为主流,FMCW 具备良好前景

        激光雷达测距方法中 ToF FMCW 能够实现室外阳光下较远的测程( 100~250m),是车载激光雷达的优选方案。
        ToF 是目前车载中长距激光雷达市场的主流方案,有非常高的激光发射频率,具备高精度探测优势,但ToF 激光雷达最大激光功率受到限制,探测距离存在瓶颈,在白天会受到阳光干扰,在接收信号过程中产生噪音。而 FMCW 激光雷达具有可直接测量速度信息以及抗干扰、远程性高的优势,视距可以扩展至 1,000 米或者 2,000 米,但 FMCW 的激光雷达对激光器的要求非常高,同时信号解算又相当复杂,设计和制造使成本较高,因此技术上仍具有挑战。未来随着 FMCW 激光雷达整机和上游产业链的成熟,其占比有望获得提升,预计 FMCW 激光雷达在 2024 年左右可以实现量产,成为和 ToF 并存的主要测距方式。

2、发射单元

1)按激光波长将激光器分类

        激光雷达的激光器可以分为以光纤激光器为代表的 1550nm (远波红外, SWIR)激光器和以半导体激光器为代表的 905nm (近红外, NIR)激光器。其中,近红外激光器依据发光原理的不同,又可分为边发射激光器( EEL ),垂直腔面发射激光器( VCSEL )和固体激光器。

        光纤激光器与半导体激光器不同的地方主要在谐振腔。半导体激光器使用不同介质的分界面作为反射面,从而形成谐振腔。而光纤激光器直接使用光纤作为谐振腔。大气穿透能力强,人眼安全性高,峰值功率可达上百甚至上千瓦,单色性好是激光光源的显著特点,但是激光雷达在光源及探测器成本、体积、温度稳定性以及供应链成熟度上还有明显的不足。其更新频率约在 10 赫兹,但是汽车高速行驶状态至少要达到 25 赫兹,影响成像的实时性。

2905nm 器件较为成熟,1550nm 是未来发展方向

        传统的 905nm 可以使用廉价的硅基 CMOS 作为接收端,其光噪声和控制信号比较平稳,但是 905nm测距受限在 150 米以内。由于出于安全角度要选用一级的能量(只能实现 150m),近红外波段仅适用于乘用车。商用车至少需要 300 米探测距离,就需要用到 1550nm 的光源。远波红外激光在空气中的衰減性更弱,进入人的视网膜之后无法聚焦不会伤害眼睛晶体,可以在保证安全基础上人为增加能量,增大探测距离。但是,远波红外光源必须使用较为昂贵的铟镓砷( InGaAs)作为接收端,其具有生产工艺难,激光器价格高的缺陷。此外探测距离远意味着功率大,这也对芯片散热能力以及封装提出了更高要求。

3)对 905nm 工艺而言,EEL 制作工艺复杂,VCSEL 未来有望迎来快速发展

        目前,成熟的近红外工艺(905nm 等)主要的激光发射器为边发射激光器( EEL)和垂直腔面发射激光器( VCSEL )。据禾赛科技招股书,EEL 作为探测光源具有高发光功率密度的优势,但因为其发光面位于半导体晶圆的侧面,使用过程中需要进行切割、翻转、镀膜、再切割的复杂工艺步骤,而且每颗激光器极大地依赖产线工人的手工装调技术,生产成本高且一致性难以保障。而 VCSEL 因为发光面与半导体晶圆平行,其所形成的激光器阵列易于与平面化的电路芯片键合,无需再进行每个激光器的单独装调,且易于和面上工艺的硅材料微型透镜进行整合,能有效提升光束质量。近年来国内外多家 VCSEL 激光器公司纷纷开发了多结 VCSEL 激光器,使得 VCSEL 光功率密度得到有效提升, VCSEL 得以被运用在长距激光雷达领域。从生产成本和产品性能可靠性看, VCSEL 未来将有望逐渐取代 EEL

3、接收单元

        激光雷达里的探测器即光电探测器可分为 PINPD PIN 光电二极管)、 APD(雪崩式光电二极管)、SPAD (单光子雪崩二极管)、 SiPM (硅光电倍增管)四类。 APD 为当前主流。
        SPAD 相对雪崩二极管( PAD ),灵敏度和工作效率更高。 APD SPAD 工作机制的差异,主要在于不同电场下的载流子行为不同。 APD 工作在击穿电压附近(<击穿电压),表现出有限的增益。SPAD工作在击穿电压以上,表现出无限的增益(理论增益为 ),可以实现单光子触发。因此, SPAD 具有比 APD 更高的灵敏度。激光强度更高的 EEL 可以配合 APD 使用,而 VCSEL 可以搭配更灵敏的 SPAD。基于 SPAD 可以检测到单个光子,因此可以做成光子计数器,集成了 TDC SPAD 不需要再进行点云处理,直接可以输出深度图像。

        APD 相较 SPAD 受噪声影响较小,性能更加稳定。 1 )如果背景光噪声较强, SPAD 会由于频繁的误触发而处于一种 疲劳 的状态,点云噪点会明显增多; 2 )高温会进一步影响 SPAD 的噪声水平,在原有的暗计数、后脉冲效应、串扰等不利因素的基础上,加剧性能的恶化。因此,在夜晚等没有太强背景光的场景下,高性能 SPAD 的表现优于 APD ,但在太阳光强烈、极端温度的环境下,现有 SPAD 的综合表现却是显著低于 APD 的。
        集成后的 SiPM 可以有效应对强光,但工艺尚不成熟。 光电倍增管 SiPM 是多个 SPAD 的集成为一个像素,能够产生强度效果,可以获得更高的动态范围以应对强光场景。但像素单元较大,较难做集成化,会导致芯片面积增大、工艺难度增加等问题。

4、扫描单元

1)按扫描方式分类

        扫描单元按照技术架构可以分为整体旋转的机械式 激光雷达、收发模块静止的 半固态 激光雷达以及 固态 激光雷达。其中,半固态激光雷达具有微机电系统( MEMS)、转镜和棱镜三种方案。固态激光雷达包括光学相控阵( OPA )和闪光激光雷达( FLASH )。

2)机械式+半固态较为成熟,纯固态式前路可期

        长期来看,固态激光雷达由于不存在可活动部件,在成本和稳定性方面都有较大潜力,是技术上的最优解。而目前三种技术路线中,机械式最为常用,已经广泛应用于 Robotaxi 等领域;半固态激光雷达是机械式和纯固态式的折中方案(较机械式只扫描前方一定角度内的范围;较纯固态式仍有一些较小的活动部件),是目前阶段乘用车量产装车的主流产品。
1)机械式雷达发展较为成熟,但因成本和部件冗杂难以实现车规级量产
        机械式激光雷达的技术方案主要是高线数机械式方案。通过电机带动光机结构整体旋转的机械式激光雷达是激光雷达经典的技术架构,其技术发展的创新点体现在系统通道数目的增加、测距范围的拓展、空间角度分辨率的提高、系统集成度与可靠性的提升等。相比于半固态式和固态式激光雷达,机械旋转式激光雷达的优势在于可以对周围环境进行 360°的水平视场扫描,在视场范围内测距能力更强。但旋转 部件体积和重量庞大,且高频转动和复杂机械结构让其内部的旋转部件容易损坏,使用寿命相对较短,难以满足车规的严苛要求。此外它靠增加收发模块的数量来实现高线束,使得成本较高,亦限制了其大规模使用。目前,国内外主流厂商包括 Velodyne 镭神智能 速腾聚创 等。

2MEMS 已经成为未来发展的重要方向,也是最有优势的细分领域之一
        微机电系统(MEMS),是指尺寸在几毫米乃至更小的高科技装置,其内部结构一般在微米甚至纳米量级,是一个独立的智能系统。基于 MEMS 的微振镜利用半导体工艺生产,不需要机械式旋转电机,而是以电的方式来控制光束。其核心是一个微米尺度的振镜,通过一个纤细的悬臂梁在横纵两轴高速周期震动,从而改变激光反射方向并实现扫描。
        MEMS 激光雷达由于仅有单个光源而大大减小了器件体积和功耗。其光路结构简单,运动部件减少,可靠性相较机械式激光雷达提升很多。同时减少了激光器和探测器数量,成本大幅降低。其寿命在 10000至 12000 小时以上,可以通过车规级认证。其缺点在于振镜会造成产品的不稳定性:支撑振镜的悬臂梁角度有限,覆盖面很小,所以需要多个雷达进行共同拼接才能实现大视角覆盖,这就会在每个激光雷达扫描的边缘出现不均匀的畸变与重叠,不利于算法处理。另外,悬臂梁很细,机械寿命也有待进一步提升。

3)转镜、棱镜技术:结构简单相对低功耗,寿命长可靠性高
        转镜激光雷达最早应用于车规级产品,目前是最主流的半固态方案。转镜方案固定了收发模组,用 360° 高速旋转的多面棱形反射镜来反射光束,完成激光雷达视野范围内全视场角扫描。转镜的优点在于棱镜、电机和发射器有更好的耐热性和耐用性,因此更容易过车规,当前 Valeo 的运用转镜方案的 Scala1 已经通过车规认证。转镜被视为机械式向纯固态进军的必经之路,是短期上车主流,且未来很长一段时间半固态和纯固态都将并行。

        棱镜技术原理为将两个有斜面的柱状镜头组合,可以利用光的折射控制激光的扫描方向,最终扫描出一个花瓣状的区域。调整两个棱镜的转速就可以控制扫描的区域,其扫描路径不会重复,理论上如果扫描时间足够久,棱镜激光雷达可以扫描出前方每一个点的距离,具有高于其他技术路径的视场覆盖率和等效线数。但是棱镜技术点云分布中央密集,边缘稀疏,且控制棱镜转动难度较高。目前仅 大疆览沃实现量产。

4OPA 尚处于起步阶段,制造难度和成本较高
        光学相控阵技术(OPA)通过施加电压调节每个相控单元的相位关系,利用相干原理实现发射光束的偏转,从而完成系统对空间一定范围的扫描测量。雷达精度可以做到毫米级,且顺应了未来激光雷达固态化、小型化以及低成本化的趋势,但难点在于如何把单位时间内测量的点云数据提高以及投入成本巨大等问题,目前 OPA 产业链尚处于起步阶段,真正投入使用的主要是美国的 Quanergy 公司。

5Flash 激光雷达能快速记录场景,但探测距离短板导致其应用受限
        FLASH 闪光激光雷达原理类似照相机,但感光元件与普通相机不同,每个像素点可以记录光子飞行时间信息。通过在短时间内直接向前方发射出一大片覆盖探测区域的激光,通过高度灵敏的接收器实现对环境周围图像的绘制。其具有结构简单、尺寸压缩空间较大和数据丰富的特点,是目前纯固态激光雷达最主流的技术方案。然而受限于需要在有限功率下发射大面积的激光,其不得不降低单位面积上激光的强度,势必会影响到探测精度和探测距离。因此还无法完成全路况的辅助驾驶,仅在较低速的无人外卖车、无人物流车等领域应用。代表品牌包括 Ibeo 大陆 Ouster 法雷奥 等。

5、信息处理单元

        集成化方向发展,SoC 替代 FPGA 是行业趋势。激光雷达接收的信号需要在处理系统经过放大处理和数模转换,经由信息处理模块计算,获取目标表面形态、物理属性等特性,最终建立物体模型。现阶段主控芯片 FPGA 为行业主流,远期企业自研 SoC 有望逐步替代。目前 FPGA 主控芯片市占率较高,但随着主流厂商对于性能及整体系统需求的提升,下一步的发展方向逐步向片上集成芯片(SoC)迁移。将探测器、前端电路、算法处理电路、激光脉冲控制等几个不同模块集成在一块芯片内,能够同时进行数据的采集与处理,甚至直接输出点云图像。国内外的 SoC 玩家主要包括 禾赛科技 Mobileye 英特 等。伴随计算规模与存储容量的增长,未来 SoC 将具备更高的集成度和更清晰的点云质量,或将逐步代替主控芯片 FPGA

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/642748.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

网络安全的概述

网络空间的概念 2003年美国提出网络空间的概念:一个由信息基础设施组成的互相依赖的网络。 我国官方文件定义:网络空间为继海,陆,空,天以外的第五大人类活动领域 网络安全发展历史 通信保密阶段 --- 计算机安全阶段…

API接口安全总结

接口分类 HTTP接口 RPC接口(客户端和服务器端的连接 例如游戏登陆)非web协议,PRC 远程过程调用 Remote Procedure Call,其就是一个节点请求另外一个节点提供的服务。当两个物理分离的子系统需要建立逻辑上的关联时,R…

1 认识微服务

1.认识微服务 随着互联网行业的发展,对服务的要求也越来越高,服务架构也从单体架构逐渐演变为现在流行的微服务架构。这些架构之间有怎样的差别呢? 1.0.学习目标 了解微服务架构的优缺点 1.1.单体架构 单体架构:将业务的所有…

k8s集群异常恢复

前提、我自己的k8s采用的是单master节点两个从节点部署,我针对单master情况进行恢复说明 场景一:正常开关虚拟机,可直接重启kubelet进行恢复 1、1、一般重启后三个节点都需要检查,输入命令检查kubelet: systemctl s…

时限挑战——深度解析Pytest插件 pytest-timeout

在软件开发中,测试用例的执行时间通常是一个关键考虑因素。Pytest插件 pytest-timeout 提供了一个强大的插件,允许你设置测试用例的超时时间。本文将深入介绍 pytest-timeout 插件的基本用法和实际案例,助你精确掌控测试用例的执行时限。 什么是pytest-timeout? pytest-tim…

python环境安装sklearn及报错解决

安装 如刚开始安装&#xff0c;还未遇到问题请直接从重新安装库开始看&#xff0c;如果遇到报错&#xff0c;从问题开始看 问题 python安装sklearn报错 &#xff0c;报错信息如下 File "<stdin>", line 1pip install scikit-learn^ SyntaxError: invalid s…

第7章 7.6.5 常量指针 Page406~407

const可以限制指针指向的数据&#xff0c;也可以限制指针的指向 const限制指针指向的数据&#xff0c;不可以修改指向的数据&#xff0c;可以改变指向 推荐写法 常见写法&#xff1a;

用Excel辅助做数独

做数独游戏的时候&#xff0c;画在纸上很容易弄花眼&#xff0c;所以我考虑用Excel辅助做一个。 界面如下&#xff1a; 按下初始化表格区域按钮&#xff0c;会在所有单元格中填充“123456789”。如下图&#xff1a; 当某个单元格删除得只剩一个数字时&#xff0c;会将同一行、…

《大型语言模型自然语言生成评估》综述

在快速发展的自然语言生成&#xff08;NLG&#xff09;评估领域中&#xff0c;引入大型语言模型&#xff08;LLMs&#xff09;为评估生成内容质量开辟了新途径&#xff0c;例如&#xff0c;连贯性、创造力和上下文相关性。本综述旨在提供一个关于利用LLMs进行NLG评估的全面概览…

一篇就学会接口,全网最详细的接口测试

大多数人对于接口测试都觉得是一种高大上的测试&#xff0c;觉得学会接口测试就可以从小白测试员&#xff0c;变成了高级测试员&#xff0c;但其实接口测试只是测试的基础内容 什么是接口 接口泛指实体把自己提供给外界的一种抽象化物&#xff08;可以为另一实体&#xff09;&…

开始学习Vue2(脚手架,组件化开发)

一、单页面应用程序 单页面应用程序&#xff08;英文名&#xff1a;Single Page Application&#xff09;简 称 SPA&#xff0c;顾名思义&#xff0c;指的是一个 Web 网站中只有唯一的 一个 HTML 页面&#xff0c;所有的功能与交互都在这唯一的一个页面内完成。 二、vue-cli …

java web mvc-02-struts2

拓展阅读 Spring Web MVC-00-重学 mvc mvc-01-Model-View-Controller 概览 web mvc-03-JFinal web mvc-04-Apache Wicket web mvc-05-JSF JavaServer Faces web mvc-06-play framework intro web mvc-07-Vaadin web mvc-08-Grails Struts2 Apache Struts是一个用于创…

Redis 笔记二

概览 1.高并发秒杀问题及可能出现的bug 2.秒杀场景JVM级别锁和分布式锁 3.大厂分布式锁Redisson框架 4.从Redisson源码剖析lua解决锁原子性问题 5.从Redisson源码剖析经典锁续命问题 6.Redis主从架构锁失效如何解决 7.Redlock分布式锁高并发下可能存在的问题 8.双十一大促如何将…

alfred自定义谷歌翻译workflow

如果要实现自定义workflow&#xff0c;则必须安装付费版的alfred&#xff0c;囊中羞涩的话可以自行淘宝。自定义步骤如下&#xff1a; 1. 新建空的workflow&#xff0c;填写基本信息 2. 开发python脚本 打开该workflow所在目录&#xff0c;进行下面步骤&#xff1a; 首先安装…

OpenCV第 1 课 计算机视觉和 OpenCV 介绍

文章目录 第 1 课 计算机视觉和 OpenCV 介绍1.机器是如何“看”的2.机器视觉技术的常见应用3.图像识别介绍4. 图像识别技术的常见应用5.OpenCV 介绍6.图像在计算机中的存储形式 第 1 课 计算机视觉和 OpenCV 介绍 1.机器是如何“看”的 我们人类可以通过眼睛看到五颜六色的世界…

一文(10图)了解Cornerstone3D核心概念(万字总结附导图)

Cornerstone3D介绍 Cornerstone3D是一个专门为处理三维医学影像而设计的JavaScript库。 它是Cornerstone项目的一部分&#xff0c;旨在为医学影像社区提供高性能、可扩展且易于使用的开源Web工具&#xff0c;专注于提供交互式的3D医学图像浏览体验&#xff0c;适用于多种医学…

9款最新文生图模型汇总!含华为、谷歌、Stability AI等大厂创新模型(附论文和代码)

2023年真是文生图大放异彩的一年&#xff0c;给数字艺术界和创意圈注入了新鲜血液。从起初的基础图像创作跃进到现在的超逼真效果&#xff0c;这些先进的模型彻底变革了我们制作和享受数字作品的途径。 最近&#xff0c;一些大公司比如华为、谷歌、还有Stability AI等人工智能巨…

【Linux】Linux进程信号(上)

​ ​&#x1f4dd;个人主页&#xff1a;Sherry的成长之路 &#x1f3e0;学习社区&#xff1a;Sherry的成长之路&#xff08;个人社区&#xff09; &#x1f4d6;专栏链接&#xff1a;Linux &#x1f3af;长路漫漫浩浩&#xff0c;万事皆有期待 上一篇博客&#xff1a;【Linux】…

【新加坡机器人学会支持】第三届工程管理与信息科学国际学术会议 (EMIS 2024)

第三届工程管理与信息科学国际学术会议 (EMIS 2024) 2024 3rd International Conference on Engineering Management and Information Science 【国际高级别专家出席/新加坡机器人学会支持】 第三届工程管理与信息科学国际学术会议 (EMIS 2024)将于2024年4月12-14日在中国洛…

算法(4)——前缀和

目录 一、前缀和的定义 二、一维前缀和 三、一维前缀和OJ题 3.1、前缀和 3.2、寻找数组中心下标 3.3、除自身以外数组的乘积 3.4、和为K的数组 3.5、和可被K整除的子数组 3.6、连续数组 四、二位前缀和 4.1、二维前缀和 4.2、矩阵区域和 一、前缀和的定义 对于一个…