01 引言

最近，特斯拉的FSD V13.2版本引起了行业震动，它带来了停车启动、自动换挡等新功能，还实现了全程自动驾驶。这不仅是技术的飞跃，更是对自动驾驶未来的一次大胆展望。今天我们聊一下自动驾驶领域的一个必备技能——

来源：知乎

HD Map，高清地图，在自动驾驶领域被看得很重，因为它能提供prior知识，让感知难度降低，同时让规划有的放矢。

高清地图目前有两条路，即激光雷达扫描为主的高成本制图方法和摄像头为主的低成本制图方法。

高成本制图方法

高成本制图方法是大公司普遍采用的路子，比如HERE，TomTom，谷歌，苹果，百度，高德，四维图新和日本ZENRIN等等。一些创业公司也循这样的路线，如DeepMap，Civil Maps和Carmera等。

这篇文章是关于自动驾驶汽车车道检测的深度学习解决方案

即使在各种各样的条件下，人们也可以很容易地在道路上找到车道线。但是计算机并不容易。阴影，眩光，道路颜色的细微变化，线条的轻微障碍物……人们通常仍可以处理的所有事物，但计算机可能会遇到很大困难。

识别道路上的车道是所有人类驾驶员执行的一项常见任务，从而确保交通畅通并最大程度地减少与附近车道其他汽车相撞的机会。同样，自动驾驶汽车的执行也是至关重要的任务。事实证明，使用众所周知的计算机视觉技术可以识别道路上的车道标记。我们将介绍如何使用各种技术来识别和绘制车道内部，计算车道曲率，甚至估计车辆相对于车道中心的位置。

随着计算机、通信、人工智能等技术的快速发展，汽车的电气化、网联化、智能化程度也越来越高，世界各国都在加快进行智能车辆的战略部署。我国于2020年2月发布了《智能汽车创新发展战略》

如今，实时转录对于在客户支持、现场活动和虚拟通信中提供即时反馈至关重要。它增强了可访问性，确保了听力障碍人士的包容性，并改善了整体用户体验。并支持依赖实时数据的行业的快速决策、法规遵从性和无缝的全球协作。

最近赶上项目上线，需要部署预发布环境，把生产环境数据同步到预发布环境。生产环境数据有将近百万级，需要去写代码同步的话压力也不小，然后群里小伙伴给我推荐了Canal，他们已经在业务系统里面使用了，性能杠杠的。废话不多少，分享一下我的使用经过。

介绍

Canal是java实现的开源项目，主要用于Mysql数据库增量日志分析以及数据订阅和消费。对原有的业务逻辑是无侵入的。

在数据洪流时代，消息队列作为关键基础设施，扮演着举足轻重的角色。Apache Kafka无疑是其中的佼佼者，但随着云计算的普及，其在云环境下的成本和弹性问题也日益凸显。这时，一款名为AutoMQ的开源项目悄然走入人们的视野，它号称是Kafka的“平替”。那么，AutoMQ究竟有何过人之处？让我们一探究竟。

一、AutoMQ：云原生消息队列的“新思路”

最近一直想换一个云笔记，所以前段时间趁着假期折腾了一顿，弄得很头疼。