自动驾驶学习笔记（二）——Apollo入门

最新推荐文章于 2025-05-05 23:59:18 发布
最新推荐文章于 2025-05-05 23:59:18 发布
阅读量2.2k 收藏 4
点赞数 3
分类专栏： 智能网联汽车 文章标签： 自动驾驶 嵌入式软件 Linux Ubuntu 仿真 Apollo开发者
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/CSSUST/article/details/133691473
版权
本文是自动驾驶学习笔记的第二篇，主要介绍了如何入门Apollo平台，讲解了Ubuntu操作系统，Linux文件系统和基本指令，并通过两个云端实验，让读者熟悉Linux操作和Apollo的数据分析。适合自动驾驶初学者。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

#Apollo开发者#

学习课程的传送门如下，当您也准备学习自动驾驶时，可以和我一同前往：

《自动驾驶新人之旅》免费课程—> 传送门

《2023星火培训【感知专项营】》免费课程—>传送门

文章目录

前言

Ubuntu

Linux文件系统

Linux指令

云实验一

云实验二

总结

前言

        见《自动驾驶学习笔记（一）——Apollo平台》

Ubuntu

        Ubuntu基于Linux内核的基于桌面的发行版之一，项目由南非人马克·沙特尔(Mark Shuttle)发起，其目标在于为一般用户提供一个最新的、同时又相当稳定的主要由自由软件构建成的操作系统。Ubuntu具有庞大的社区力量，用户可以方便地从社区获得帮助。是 Linux众多发行版中使用量最大、普及度最高的发行版。Apollo目前推荐使用ubun18.04及其以上的版本。

        Ubuntu的主界面如下图所示：

  

最低0.47元/天 解锁文章
百度Apollo ｜快速上手，五步入门自动驾驶
csdndevpress0029的博客
08-31 912
DreamView 是Apollo内置的一个 web 应用程序，为开发者提供各个自动驾驶模块的可视化输出界面，如规划路径、定位信息、底盘状态等。在自动驾驶车辆行进过程中，通过DreamView可以对车辆硬件、各自动驾驶模块的状态进行实时监测，利用人机交互接口对车辆及各模块进行启停等控制操作，使用PnC监视器等调试工具定位问题，帮助开发者对自动驾驶过程有更加全面的掌控。
自动驾驶学习
u014752412的博客
10-21 426
自动驾驶
自动驾驶全栈学习路线汇总！十三个主流方向都在这里了~
CV_Autobot的博客
03-15 1365
为了方便大家入门学习，自动驾驶之心为大家推出了近13个感知定位融合与标定学习路线，里面的论文和学习资料特别适合刚入门和转行的同学，内容较多，建议大家收藏后反复观看。添加小助理微信AIDriver004，领取所有学习资料，备注：自动驾驶之心资料领取哦~扫码添加领取（一）3D目标检测系列3D Object Detection for Autonomous Driving：A Review and Ne...
如何进行自动驾驶算法开发
caucstar的博客
10-10 7291
文章目录自动驾驶算法开发思路驾驶场景大数据采集与应用 就目前的自动驾驶发展情况来看，功能产品解决方案应该从特定区域的低速自动驾驶产品做起，而后逐步发展到高速公路、环路等结构化道路并至直复杂城市工况下自动驾驶产品，这些产品形态应是融入到整车功能/外观等设计的前装产品，而非简单后装集成；那么该如何进行自动驾驶算法研究呢？ 本文将介绍北京智行者公司的自动驾驶算法开发思路。 自动驾驶算法开发思路 智行者在...
自动驾驶入门练习指南
匆匆往站
12-29 2705
10年前还是学校机房学生管理员的时候，带着大家把智能车竞赛的实验室从0搭起来了，搭完电路写完基础算法就跑去当交换生了，也算是陪伴了童鞋们一个暑假，参加竞赛还是交给后生力量吧；而同时火起来的新一代人工智能也把自动驾驶推向接近实用。那么如何掌握自动驾驶的入门知识呢？市面上给出的框架都很大，比如练习控制算法，比如机器学习；但是这些要么笼统模糊，要么都是人工智能大后期的内容了； 在这里我们还是希望能画出一个平滑的学习曲线，抛砖引玉，给出一些在这个领域入门的成长思路和经验。 自动驾驶的入门内容大纲 思考一下自动驾驶需
【Apollo学习笔记】—— Routing模块
sinat_52032317的博客
07-27 3549
Apollo的routing模块读取高精地图原始信息，用于根据输入信息在中选取匹配最近的点作为导航轨迹的起点和终点，读取依据生成的作为生成的，然后通过Astar算法在拓扑图中搜索连接起始点的最优路径，作为输出发送出去。在地图上寻求两点之间的最短距离之时，我们可以把道路交叉口(junction)作为节点(Node),将道路长度作为边（Edge),通过最短路径搜索算法（Astar/BFS/DFS…），求得两点之间的最短路径，并进行输出。一般情况下，我们所获得的地图格式并非是适用于搜索最短路径的拓扑格式，所以需要
Apollo星火计划学习笔记第一讲——学习自动驾驶
qq_37346140的博客
10-18 1332
Apollo星火计划学习笔记第一讲：Apollo开源平台介绍、如何使用Apollo学习、 上机、 Cyber RT(通信)、感知、决策规划、 **车辆适配**、 **车辆集成*、*测试与调车**、概述、问题解答
自动驾驶学习笔记（六）——Apollo安装
Mr.Cssust的博客
11-04 1070
本文是笔者在学习自动驾驶时，对所学课程的一些梳理和总结。欢迎和我一同抱团学习，交流技术。
一文掌握百度Apollo Udacity自动驾驶课程笔记
try_again_later的博客
04-07 5124
目录 一、高精地图 1、高精地图与传统地图 2、高精地图与定位、感知、规划的关系 3、Apollo高精地图与构建 二、定位（厘米级） 1、GNSS RTK 2、惯性导航 3、激光雷达定位 4、视觉定位 5、Apollo定位 三、感知 1、计算机视觉 2、Camera图像 3、Lidar图像 4、机器学习 5、神经网络 6、反向传递 7、卷积神经网络CNN： 8...
apollo学习笔记二十四：apollo 安装和仿真平台（上）
siri99999的博客
08-08 2387
Apollo自动驾驶架构介绍 最底层车辆平台:也称为开放车辆认证平台 底层车辆平台执行Apollo无人驾驶平台生成的车辆控制指令。 为了能够运行Apollo生成的指令，车辆必须是线控的，例如可以接受一定的指令，比如换挡、加减速、转向，完成对应的操作. 只要把车改装成具备对应条件之后就可以运行Apollo，现在称为开放车辆认证平台。 传感器层 高性能的计算单元——Apollo的工控（IPC）机 GPS/IMU主要是用于自定位 相机的功能主要是做红绿灯识别 主传感器激光雷达主要用来感知车辆周围环境
Apollo学习笔记 进阶课程之三：定位技术①
weixin_44251766的博客
07-28 925
Apollo学习笔记 进阶课程之三：定位技术① 一、 技术入门 1、 什么是无人车的自定位系统？ 相对于一个坐标系，确定无人车的位置和姿态。 位置与姿态的自由度：位置：XYZ，姿态：横滚、俯仰、航向。 此外还有置信度。 2、 为什么无人车需要精确的定位？与自动驾驶地图配合提供静态感知。 3、 定位的方法： （1） GNSS定位等 距离差分：伪距差分，根据基站位置差距计算；载波相位差分，估计载波相位的整周，计算整周数和余数，最终达到的效果可以精确到厘米级(5cm)，但需要硬件成本、人力维护、可视卫星依赖，
那些精贵的3D视觉系统学习资源总结（附书籍、网址与视频教程）
qq_29462849的博客
12-19 2019
点击上方“3DCVer”，选择“星标”干货第一时间送达之前我们总结了一篇关于3D视觉系统学习路线——《吐血整理|3D视觉系统化学习路线》，本文重点是对于各个模块的一些资料整理，如有不完善...
讲真？一天就学会了自动驾驶——强化学习在自动驾驶的应用
热门推荐
CSDN人工智能头条
07-09 1万+
编译 | 婉清编辑 | 姗姗出品 | 人工智能头条 （公众号ID：AI_Thinker）【导读】制造真正的自动驾驶汽车（即能够在任何要求的环境中安全驾驶）的关键是更加重视...
基于PPO的自动驾驶小车绕圈任务
最新发布
weixin_44558122的博客
05-05 772
合理的，并且不会影响计算的准确性，原因如下：
用Python构建自动驾驶传感器融合算法：从理论到实践
Echo_Wish
04-30 426
在自动驾驶系统中，传感器融合技术至关重要。通过合理的融合算法，如卡尔曼滤波和粒子滤波，能够有效提升自动驾驶系统的感知能力和决策精度。随着技术的不断进步，我们相信传感器融合技术将在未来的自动驾驶应用中发挥更加重要的作用。
基于DDPG的自动驾驶小车绕圈任务
weixin_44558122的博客
05-04 858
任务来源: DQN: Deep Q Learning ｜自动驾驶入门（？） ｜算法与实现 任务原始代码: self-driving car 在上一篇使用了DQN算法完成自动驾驶小车绕圈任务之后，学习了DDPG算法，并将DDPG算法用在该任务上。 最终效果：这个gif是没有加速过的，DQN的是两倍速的效果 整体来说，无论是连续性还是转弯的流畅性来说，以及小车能够跑的距离，DDPG的效果要远远优于DQN，但是要比DQN难调试的多。 主
基于DQN的自动驾驶小车绕圈任务
weixin_44558122的博客
05-02 1072
任务来源: DQN: Deep Q Learning ｜自动驾驶入门（？） ｜算法与实现 任务原始代码: self-driving car 最终效果： 以下所有内容，都是对上面DQN代码的改进，在与deepseek的不断提问交互中学习理解代码，并且对代码做出改进，让小车能够尽可能的跑的远。 这个DQN代码依然有很多可改进的地方，受限于个人精力，没有再继续探索下去，欢迎指正交流。 后续会更新DDPG算法和PPO算法在此任务上的应用
Python实现自动驾驶中的车道检测算法：从理论到实践
Echo_Wish
05-05 346
是感知系统的核心组成部分之一，确保车辆能够准确识别行驶轨迹并做出正确决策。随着计算机视觉与深度学习技术的迅猛发展，车道检测算法的精度和实时性都有了极大的提升。，技术不断进步，推动自动驾驶进入更智能、更安全的阶段。等工具实现自动驾驶中的车道检测，涵盖。车道检测是自动驾驶系统的基础模块之一，从。，帮助你真正理解车道检测的核心技术。，已成为自动驾驶车道识别的新趋势。，从原始摄像头图像中提取车道线。等情况下易失效，因此我们需要。，用于预测每个像素是否属于车道。本篇文章将深入探讨如何利用。最基本的车道检测可以基于。
自动驾驶-一位从业两年的独特视角
m0_52186223的博客
04-30 701
2023.03 作为一名大三学生，加入到某量产车企，从事地图匹配研发2023.07 地图匹配项目交付，参与离线云端建图研发2023.10 拿到24届校招offer2024.07 正式入职2025.01 离线云端建图稳定，开始接触在线车端融图研发。
Apollo自动驾驶入门：无人驾驶核心技术解析
"Apollo自动驾驶入门课程提供了对无人驾驶技术的全面概览，涵盖了高精度地图、定位、感知、预测、规划和控制等关键技术模块。课程旨在帮助初学者理解无人驾驶的基本原理和Apollo自动驾驶开放平台的架构。Apollo的...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Mr.Cssust

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值