近年来，自动驾驶汽车成为越来越受关注的话题，因为许多公司正在积极开发相关的硬件和软件技术，来实现无需人工干预的全自动驾驶能力。深度神经网络（DNN）已成功应用于各种感知和控制任务，它们也是自动驾驶汽车的重要工作负载。什么是DeepPiCar？DeepPicar是NVIDIA名为DAVE-2的真正自动驾驶汽车的小规模复制品。使用DeepPicar，我们分析了RaspberryPi的计算能力，支持基于端到端深度学习的自动驾驶汽车实时控制。项目理念：通过从人工驾驶切换到自动驾驶来控制车辆。零件清单：PiCar-S树莓派智能机器人车载套件树莓派3GoogleEdgeTPU协处理器微型SD卡16GB广角USB摄像头1.3兆像素，带170度鱼眼镜头适配器HDMI90度角电池18650充电器第1步：集齐所有零部件PiCar-S树莓派智能机器人车载套件https://www.banggood.com/SunFounder-PiCar-S-Raspbe...树莓派3https://ar.banggood.com/Raspberry-Pi-3-Model-B+-.....GoogleEdgeTPU协处理器https://saudi.desertcart.com/products/125589101-go...广角USB摄像头1.3兆像素，带170度鱼眼镜头https://etqan.sa/product/usb-camera/?gclid=CjwKCAi...适配器HDMI90度角https://www.banggood.com/Ug​​reen-HD112-HDMI-Male-to...电池18650https://etqan.sa/product/18650-battery-3-7v-recha...充电器微型SD卡16GB第2步：关于GoogleEdgeTPU加速器CoralUSBAccelerator是目前现有Linux系统带有强大机器学习功能的演算机器。USBAccelerator采用EdgeTPU（一种由Google设计和制造的小型ASIC），可通过USB3.0接口以低功耗提供高性能机器学习演算。EdgeTPU主要优点：-高速TensorFlowLite-低电量-占地面积小特点：GoogleEdgeTPUML加速器协处理器USB3.0Type-C插座支持主机CPU上的DebianLinux模型使用TensorFlow构建。尽管可以自定义架构，但完全支持MobileNet和Inception架构与GoogleCloud兼容。Coral是Google的一个拓展功能，通过本地AI平台帮助构建智能想法。第3步：树莓派设置要对RaspberryPi进行设置，您需要：微型SD卡微型USB数据线键盘鼠标HDMI显示器HDMI线设置步骤：连接好microSD卡后，开始从树莓派官网https://www.raspberrypi.org/downloads/下载obrution系统，使用NOBBS软件，通过copping下载到microSD卡上面的所有文件。之后，将microSD卡插入树莓派并插入所有电缆，所有选项都会在屏幕上看到。第4步：组装和安装使用说明书，我们开始安装PiCar套件，该套件包含：说明书皮卡车的主体直流电机直流电机驱动器（TRA9118A）降压DC-DC转换器模块伺服电机带调制模块的脉冲(PWMPCA9685)调节器USB摄像头USB模块电池18650(3.7V)电池盒车轮(4)电线螺丝刀（不同种类的）螺丝注1：在开始安装之前，请确保套件的每个电子部件都能正常工作，分别进行测试。注2：如果您使用的是树莓派3及以上版本，则无需安装天线，因为raspberry具有内部Wifi和蓝牙。零件的组装经过几个阶段：从背面组装亚克力板和车轮在车的主体上安装电机在树莓派上进行伺服校准注意：由于舵机在后部，因此需要进行一些配置以进行保护。我们需要在安装时使舵机旋转到90度，这样旋转范围才能与汽车中的应用相匹配。否则可能会损坏舵机。从正面组装亚克力板和车轮电气模块组装电路连接安装相关视频：安装#1-YouTube安装#2-YouTube安装#3-YouTube安装#4-YouTubepicar说明书.pdf第5步：手工制作模型制作交通标志并与项目配合使用的手工艺品很少。我们使用的标志：红色交通灯绿色交通灯停止标志速度标志人（我们用的是乐高玩具）此步骤的相关视频：手工艺品第6步：使用RaspberryPi设置Picar对于GoogleEdgeTPUAccelerator，将设置所需的所有计算机视觉和深度学习软件。我们使用的主要软件工具是Python、OpenCV（一个强大的计算机视觉包）和TensorFlow（谷歌流行的深度学习框架）。注意：我们在这里使用的所有软件都是免费和开源的。树莓派操作系统设置设置远程访问（IP地址/sudo/SSH/VNC）设置远程文件访问安装USB摄像头获取源代码，直接从Github下载源代码到您的PC上：https://github.com/sunfounder/Sunfounder_Smart_Vid...安装Python软件，访问Python网站www.python.org，找到最新的Python3并安装。安装完成后，重新启动计算机，然后按照说明书上的说明继续安装。运行cali_client开始校准马达调整车削调整安装调整现在我们有了一个可以通过Python控制的正在运行的机器人汽车。下面是我开源的代码和文件仅供参考：setup.pycamera.pyi2cHelper.py第7步：机器学习和实践在我们运行程序之前，我们应该给picar一个视觉处理（相机和OpenCV）和一个计算处理（TensorFlow），所以我们必须首先遵循：用于计算机视觉的OpenCV安装OpenCV和相关库为EdgeTPU安装张量流在这一步中，我们将使用单次射击多盒物体检测和迁移学习等深度学习技术来教DeepPiCar检测道路上的各种（微型）交通标志和行人。然后我们将教它在红灯和停车标志处停车，绿灯行驶，停车等待行人通过，并根据张贴的限速标志更改其限速，并为Picar进行大量练习。下面是一些机器学习和实践的相关视频：机器学习练习视频-1练习视频-2练习视频-3练习视频-4端到端深度学习笔记本“如何轻松免费地训练目标检测模型”第8步：最终产品演示在这一步中，我们展示了最终产品，一个无需人工干预即可控制车辆的仿真模型。下面是源代码仅供参考：importloggingimportpicarimportcv2importdatetimefromhand_coded_lane_followerimportHandCodedLaneFollowerfromobjects_on_road_processorimportObjectsOnRoadProcessorimporttime_SHOW_IMAGE=TrueclassDeepPiCar(object):__INITIAL_SPEED=0__SCREEN_WIDTH=340#__SCREEN_WIDTH=320__SCREEN_HEIGHT=240def__init__(self):"""Initcameraandwheels"""logging.info('CreatingaDeepPiCar...')picar.setup()logging.debug('Setupcamera')#self.camera=cv2.VideoCapture(-1)self.camera=cv2.VideoCapture(0)self.camera.set(3,self.__SCREEN_WIDTH)self.camera.set(4,self.__SCREEN_HEIGHT)self.pan_servo=picar.Servo.Servo(1)#self.pan_servo.offset=-30#calibrateservotocenterself.pan_servo.offset=0self.pan_servo.write(90)self.tilt_servo=picar.Servo.Servo(2)#self.tilt_servo.offset=20#calibrateservotocenterself.tilt_servo.offset=0self.tilt_servo.write(90)logging.debug('Setupbackwheels')self.back_wheels=picar.back_wheels.Back_Wheels()self.back_wheels.speed=0#SpeedRangeis0(stop)-100(fastest)###self.back_wheels.forward()logging.debug('Setupfrontwheels')self.front_wheels=picar.front_wheels.Front_Wheels()#self.front_wheels.turning_offset=-25#calibrateservotocenterself.front_wheels.turning_offset=0self.front_wheels.turn(90)#SteeringRangeis45(left)-90(center)-135(right)self.lane_follower=HandCodedLaneFollower(self)self.traffic_sign_processor=ObjectsOnRoadProcessor(self)#lane_follower=DeepLearningLaneFollower()self.fourcc=cv2.VideoWriter_fourcc(*'XVID')datestr=datetime.datetime.now().strftime("%y%m%d_%H%M%S")self.video_orig=self.create_video_recorder('../data/tmp/car_video%s.avi'%datestr)self.video_lane=self.create_video_recorder('../data/tmp/car_video_lane%s.avi'%datestr)self.video_objs=self.create_video_recorder('../data/tmp/car_video_objs%s.avi'%datestr)logging.info('CreatedaDeepPiCar')defcreate_video_recorder(self,path):returncv2.VideoWriter(path,self.fourcc,20.0,(self.__SCREEN_WIDTH,self.__SCREEN_HEIGHT))#returncv2.VideoWriter(path,self.fourcc,20.0,(self.__SCREEN_WIDTH,self.__SCREEN_HEIGHT))def__enter__(self):"""Enteringawithstatement"""returnselfdef__exit__(self,_type,value,traceback):"""Exitawithstatement"""iftracebackisnotNone:#Exceptionoccurred:logging.error('Exitingwithstatementwithexception%s'%traceback)self.cleanup()defcleanup(self):"""Resetthehardware"""logging.info('Stoppingthecar,resettinghardware.')self.back_wheels.speed=0self.front_wheels.turn(90)self.camera.release()self.video_orig.release()self.video_lane.release()self.video_objs.release()cv2.destroyAllWindows()defdrive(self,speed=__INITIAL_SPEED):"""Mainentrypointofthecar,andputitindrivemodeKeywordarguments:speed--speedofbackwheel,rangeis0(stop)-100(fastest)"""logging.info('Startingtodriveatspeed%s...'%speed)self.back_wheels.speed=speedself.back_wheels.forward()i=0whileself.camera.isOpened():_,image_lane=self.camera.read()image_objs=image_lane.copy()i+=1self.video_orig.write(image_lane)image_objs=self.process_objects_on_road(image_objs)self.video_objs.write(image_objs)show_image('DetectedObjects',image_objs)image_lane=self.follow_lane(image_lane)self.video_lane.write(image_lane)show_image('LaneLines',image_lane)ifcv2.waitKey(1)&0xFF==ord('q'):self.cleanup()breakdefprocess_objects_on_road(self,image):image=self.traffic_sign_processor.process_objects_on_road(image)returnimagedeffollow_lane(self,image):image=self.lane_follower.follow_lane(image)returnimage#############################UtilityFunctions############################defshow_image(title,frame,show=_SHOW_IMAGE):ifshow:cv2.imshow(title,frame)defmain():withDeepPiCar()ascar:car.drive(17)if__name__=='__main__':logging.basicConfig(level=logging.DEBUG,format='%(levelname)-5s:%(asctime)s:%(message)s')main()deep_pi_car.pydriver_main.py

在人工智能和技术的黄金时代，一个新的领域正在获得广泛的关注：群体机器人。群机器人有很多应用，例如自动化中的本地化任务完成、自主导航人类无法进入的区域的陆地测绘。这些机器人的基础是无线电控制(RC)汽车。一旦建造了多辆汽车，就可以实施群体机器人算法。这些汽车的处理器是RaspberryPi，这是一种用于实验动手机器人和编程的低入口点架构。本教程将介绍构建此类汽车的步骤。它将配备用于远程驾驶和GPS和指南针的摄像头模块，以便汽车知道自己的位置和航向。然后，汽车可以后台进行通信以执行群算法。这个项目也非常通用。除了群体机器人之外，您还可以将这些汽车用于其他应用。这绝对是一个很棒的入门级项目，可以教会你很多东西！此外，这些技能对于类似的项目也很有用。需要零件：对于汽车：1个树莓派板GPIO排针（40针）1个树莓派摄像头模块1汽车底盘组（包括车轮和电机）1或2个L298N电机驱动控制器板1个GPS模块（带嵌入式指南针）辅助工具：焊枪和电线跳线多条（双公、公母、双母）面包板（不是强制性的，但强烈建议在焊接前进行测试）鼠标、键盘、显示器（您至少需要一次，然后您可以根据需要运行Pi无头）一台笔记本电脑/电脑USB集线器、电源端口一个电源（它应该是便携式的）HDMI转迷你HDMI适配器第1步：安装操作系统映像材料：电脑（Mac、Ubuntu18.04或Windows）、microSD卡、SD适配器基本上，RaspberryPi运行Raspbian操作系统，因此我们必须在microSD卡上安装操作系统映像。为此，您需要一个SD适配器，以便将microSD卡插入普通笔记本电脑/计算机的SD端口（通过该端口安装图像）。然后，将microSD卡插入Pi内。按照此处的说明操作：https://www.raspberrypi.org/documentation/install...第2步：设置Pi我们需要能够在RaspberryPi上工作。树莓派是单板电脑，可以直接连接显示器。项目中确保连接HDMI、USB和电源端口，您还需要一个键盘和鼠标。可以参考图片熟悉树莓派桌面。您将看到一个manila文件夹图标，它相当于Finder(Mac)或Windows资源管理器。本质上，它是您的文件、下载、目录等操作端口，您可以在这里随意更改、修改代码，就我们的目的而言，它是您管理代码的方式。您还会看到一个黑屏图标，终端窗口，这是您编写代码的地方。打开一个终端窗口。运行sudoraspi-config以获取类似上面的菜单启用P6串口启用P5I2C您可以参考以下链接：https://www.raspberrypi.org/documentation/configu...接下来，您有两个选择：1.继续使用显示器连接外设，直接在pi上工作2.使用ssh运行pihttps://www.raspberrypi.org/documentation/remote-a...本质上，您可以从另一台机器远程登录pi以避免必须连接外围设备为此，您必须按照上面链接中的说明在pi上启用ssh为项目创建一个存储库。然后，在终端窗口中，为pi上的项目创建一个新目录。如果更方便，您可以在终端窗口(vi)中编辑您的文件，如果不太方便，则可以使用GUI。如果您不熟悉命令行，请参考以下链接：https://product.hubspot.com/blog/git-and-github-tu...https://www.codecademy.com/learn/learn-the-command...第3步：预处理数据这里简要概述需要了解的内容。树莓派板——单板计算机MicroSD卡插槽迷你HDMI端口微型USB端口指示Pi正在供电的微功率端口和LED相机连接器处理器40针接头和GPIO针脚了解SDA/SCL引脚、MOSI/MISO引脚和TX/RX引脚通讯协议UART：通用异步收发I2C：内部集成电路SPI：串行外设接口第4步：组装小车我们需要购置一个机箱，这是汽车的基本框架。按照套件指定的方式组装机箱。首先，沿着虚线凹痕折断八个矩形然后，使用套件中包含的螺母和螺栓以及螺丝刀，组装零件、电机和车轮。注意：确保电机的方向正确！现在，取跳线并焊接电线组装完成后，汽车的底座就组装好了。现在，通过直接为电机供电，快速检查以确保所有电机都正常工作。检查白色杆是否转动。如果您切换黑线和红线，则杆应向相反的方向转动，检查所有四个轮子。第5步：电机控制器每个电机控制器可以控制两个车轮。根据您购买的机箱的型号，车辆转弯的方式会有所不同：控制所有四个车轮可以使汽车绕其中心转动，而仅控制后轮会使汽车按照拱形转弯。我们使用一个控制器。如果您购买了两个，第二个驱动程序需要重复以上步骤。我建议阅读以下文件，了解这些模块如何工作的：https://components101.com/modules/l293n-motor-dri...使用提供的跨接线使电机控制器工作。同样，首先使用面包板可能更有效。您可以在这里选择：我建议为驱动程序使用12V电源，为pi使用5V电源。但是，您也可以使用pi为电机驱动器供电。有一个可区分12V和5V的跳线——您在接线时应该阅读模块的规格。第6步：摄像头模块如果您使用RAM有限的pi板，它仅仅支持基本的Pi相机模块。如果您购买了有更多RAM（大约8GB）的Pi4，您可以尝试实现OpenCV相机.。不过就本项目而言，能够很好的使用相机模块就足够了。您可以参考以下链接：https://gist.github.com/willprice/abe456f5f74aa95...https://www.hackster.io/ruchir1674/video-streamin...https://gist.github.com/willprice/abe456f5f74aa95...代码您可以参考以下链接：https://github.com/miguelgrinberg/flask-video-str...第7步：GPS和指南针下载以下资源使GPS和指南针开始工作，设备硬件接线请参考上图。GPS读数：https://maker.pro/raspberry-pi/tutorial/how-to-use...https://maker.pro/raspberry-pi/tutorial/how-to-use...我链接的特定GPS模块也有一个嵌入式指南针。读取罗盘数据的示例代码：https://github.com/ozzmaker/BerryIMU.git另一个NMEA格式示例：：https://github.com/ozzmaker/BerryIMU.git第8步：使用Flask在Web界面上显示数据您可以将GPS和指南针数据以及视频传输到Web服务器我们将使用Flask，这是一个帮助您构建Web应用程序的Web框架第9步：成果展示和后续步骤恭喜！您现在已经制造了一辆基于树莓派制造的遥控小车。希望您能喜欢这个项目，欢迎在底下评论区给我留言。

本期主要讲解下面3个重要知识：1.CAN总线的基本特点2.CAN总线的布置与结构3.CAN总线协议规范及基本机制更多课程详情查看：https://www.moore8.com/courses/1356

动驾驶或许应该叫做“辅助驾驶”，当然，随着技术发展，从电脑辅助人类驾驶变成了人类辅助电脑驾驶。但电脑、驾驶员都不可缺。无人驾驶，那就是没有驾驶员了。人类只是乘客，跟出租车乘客差不多，你好像能让车开、停，或者走那条路，但实际上这些都是的哥在主导。今天让我细细讲解二者之间那妙不可言的关系。主讲内容：自动驾驶和辅助驾驶的区别作品的设计前提背景作品的设计方案作品的具体实施过程问题与难点实验的效果汽车辅助驾驶的展望更多课程详情查看：https://www.moore8.com/courses/1389

随着汽车电子技术的发展，动力传动系统、车身电子系统、驾驶员辅助系统等汽车电子系统日趋复杂，与功能安全的相关性不断提高,与安全相关的软件和硬件出现任何一个失效，都有可能会给人员、设备及环境带来严重的后果，而由此引发的车辆召回也会给企业带来巨大的经济损失。如何在产品设计阶段就规避潜在的风险，已成为汽车制造商迫切需要解决的问题。2018年，英飞凌汽车电子生态圈推出全新短视频-凌感课堂，每期凌感课堂邀请来自汽车电子业内知名技术专家、资深工程师，为广大汽车电子工程师和同学们带来全方位最新的汽车电子应用技术及英飞凌汽车电子解决方案。本月凌感课堂将由来自同济大学中德学院的陆科老师为大家讲解AURIX单片机助力电动汽车电机控制系统的功能安全开发，陆科老师将从功能安全介绍引入想要观看完整技术视频，请至：https://www.moore8.com/courses/1836

随着汽车电子技术的发展，动力传动系统、车身电子系统、驾驶员辅助系统等汽车电子系统日趋复杂，与功能安全的相关性不断提高,与安全相关的软件和硬件出现任何一个失效，都有可能会给人员、设备及环境带来严重的后果，而由此引发的车辆召回也会给企业带来巨大的经济损失。如何在产品设计阶段就规避潜在的风险，已成为汽车制造商迫切需要解决的问题。2018年，英飞凌汽车电子生态圈推出全新短视频-凌感课堂，每期凌感课堂邀请来自汽车电子业内知名技术专家、资深工程师，为广大汽车电子工程师和同学们带来全方位最新的汽车电子应用技术及英飞凌汽车电子解决方案。车用传感器犹如汽车的感觉器官，时刻监测车辆的行驶工况，并将数据实时传输至车辆的处理单元，保证车辆可靠稳定的运行。本期凌感课堂将由来自驶安特汽车电子有限公司王飞周为大家讲解汽车传感器及方案介绍。想要观看完整技术视频，请至：https://www.moore8.com/courses/1989

5G连接和人类远程投影呈现可以帮助自动驾驶汽车更安全更灵活。人工智能浪潮推动着自主驾驶汽车不断向着更高的等级迈进，在向Level5进军的征程中，一直有两个挑战悬而未决。第一，如何处理可能会在现实世界中随机地发生的各种奇怪的异常情况；第二，现实世界中的人类存在大量的伪随机行为，如何面对他们，并与他们有效地交互？关于这两类问题，科学家们已经给出了一些潜在的解决方案。第一种是扩大对自主驾驶系统经验范围之外的长尾情况的覆盖，这可能涉及到远程的人类介入，暂时接管对汽车控制。而且，通过合适的硬件，人类可以解决自主驾驶系统和远程投影的人同时和汽车进行交互的挑战。汽车和人之间的互动从来都是一件棘手的麻烦事。在某种程度上对人类进行建模是可行的，而且，自动驾驶汽车可以以相当合理的准确度预测人类在人行道上的走动轨迹。让事情变得复杂的事当人类和司机互动时的情形，一个典型的例子是人在通过人行横道时的情形，行人将和汽车司机进行目光接触，以确保司机看到了自己，在那种只可意会不可言传的眼神交流中，行人可以判断自己是否可以安全地穿过马路。但是如果驾驶员的座驾上没有人类的话，就需要通过其它方式进行交互，这就是为什么Drive.ai这样的系统在其自动驾驶汽车上安装了LED显示屏以便通过文本和图表进行消息提示的原因所在。但是，这种方式过于机械化，真正强大的解决方案需要显得更加人性化，韩国高等科学技术研究院（KAIST）的研究员未来学家IlhanBae认为，通过远程投影和自动驾驶相结合，是实现汽车和行人人性化的交互的有效方法。当然，这种方法多少显得有些诡异，但是它是处理随机出现的异常事件以及和行人进行有效交互的潜在有效方法。借助5G连接，可以在车顶上的360摄像头和远程用户之间实现高清流媒体的传输，而且，只要车内的投影仪亮度足够，即使在强光的直射下，车外的行人也可以看到投影图像。KAIST的研究人员表示，这种系统对于亚洲国家来说尤其具有独特的价值。因为，大部分亚洲国家的驾驶环境比较糟糕，经常拥堵而且很混乱，这种驾驶场景与欧美国家自动驾驶汽车的舒适驾驶场景大不相同。所以，在这些地方，驾驶员之间的沟通、驾驶员和车外行人之间的沟通对于安全驾驶尤其起着更为重要的作用。KAIST的研究人员表示，除了通信之外，这种远程投影还赋予了汽车不同的“角色”，远程用户的身份提供了额外的价值。根据Bae的说法，“当这辆汽车和一名警察远程链接起来时，这部车就编程了一辆警车，当一名保险调查员和它链接起来时，它就摇身一变，成了保险公司的一辆车。当一名记者和它链接起来时，它又阿里阿里巴巴变，变成了一辆新闻采访报道车。”万物皆有价码，这种远程投影的汽车需要付出一定的代价。一方面，你失去了完全自主驾驶的一些好处（不用人类驾驶员的操作），另一方面，汽车不能脱离移动连接，即，它只能行驶在可以行驶的区域内。实际上，这个系统可能实用性非常大，作为一种在必要时需要人类有效接管自动驾驶汽车的方式，这种远程投影的方式不需要有人坐到驾驶座上，可以在当前的自动驾驶技术无能为力的地方以最灵活的方式提供更安全更灵活的驾驶。

从网络摄像头馈送，软件将识别车道标记并建议转向以使车辆保持在车道上。使用HaarCascades实现汽车检测。机械转向通过Arduino和MotorShield完成。

汽车安全是我们非常重视的问题。我们的流程，我们的理念，我们如何进入市场，我们如何实现我们的系统解决方案……它们基本上都是关于拯救生命的，我们的技术直接与此相关。ADAS系统和汽车的挑战在过去，甚至是最近几年已经演变。转向压倒性的电子系统。通过这一转变，我们的技术已经解决了安全防护问题，比如安全气囊传感器和陀螺仪的稳定性控制，以及预测安全性。我们正在使用雷达和激光雷达技术。未来任何先进的驾驶员辅助系统都需要感知汽车周围的360度视角;这将为自动驾驶算法提供信息。这就是Drive360对我们的意义。充分利用我们的技术组合，为汽车制造一个360度的安全防护。我们有一个完整的组合惯性MEMS产品，将能够解决所有方面的被动安全挑战;从安全气囊传感器到用于稳定控制的组合产品。今天，我们正在开发一个完整的基于28纳米工艺节点的射频到比特的解决方案，推出的产品将支持77和79千兆赫的雷达频谱，将支持超短程应用，如自动停车，一直到更长距离的应用，如自适应巡航控制。这为我们提供了最大程度的应用程序级灵活性，我们可以在产品中集成不同的功能，以满足众多的最终应用程序，并允许我们的汽车客户更快地进入市场。我们在雷达领域有着悠久的历史，事实上，我们的技术已经在50%的雷达模块开发中。模拟设备已经在技术上进行了投资，使客户能够以非常划算的方式实现固态扫描激光雷达系统，这对自动驾驶来说绝对是基础。模拟设备涉及各种不同的细分市场，比如我们的射频收发器和转换器技术。在通信基础设施方面，我们在医疗保健方面的光子学和光学能力都被应用到汽车领域，为我们的客户降低整体产品开发的风险。汽车安全就是拯救生命，如果你看看我们的产品组合我们的安全气囊传感器，我们的陀螺仪技术，我们的雷达技术，模拟设备在过去20多年来一直是拯救生命的基础;这是我们非常认真对待的事情。