阿波罗实践版-2-集成实操

最新推荐文章于 2021-09-18 00:15:13 发布
最新推荐文章于 2021-09-18 00:15:13 发布
阅读量165 收藏
点赞数
分类专栏： APLLO
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/LOVECHQ/article/details/108019561
版权

CAN卡的安装

CAN卡上CAN0口对应CAN1，依次类推。

MINPCI-RE接口（工控机），需要螺栓固定

接线

安装工控机

安装固定支架即可

安装工控机到底盘

安装到预留孔位即可，接口一般朝向车辆后端

安装电源

定位硬件

也是按照到固定底座后安装到车辆预留孔位，保证GPS安装在一条直线上

连接线，一般把车辆后方的天线定位为PRIMARY天线，前端为SECONDARY天线

安装IMU和接收器

一般按照到车辆后轴中心

供电线

需要连接保险盒，注意保险接口的保险电流

4G路由器

安装到预设定位置即可

不是自然彩的云宝
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
NASSP:阿波罗计划-NASSP
03-20
阿波罗计划-NASSP（也称为NASSP或NCPP）是Orbiter太空飞行模拟器的附加组件。阿波罗计划（Project Apollo）模拟对地球轨道和月球的阿波罗飞行任务，并且正在缓慢扩展以模拟从未飞行过的计划中的阿波罗飞行后任务。...
蒙哥-阿波罗-React-redux-saga
02-14
【标题】"蒙哥-阿波罗-React-redux-saga" 涉及的主要技术栈是React、Redux以及Redux-Saga，这些都是JavaScript前端开发中的重要工具。本文将深入探讨这三者之间的关系及其在实际项目中的应用。 **React** 是一个...
Apollo进阶课程㊷丨Apollo实战——车辆与循迹驾驶能力实战
10点43的博客
03-06 2535
原创 阿波君 Apollo开发者社区 1月15日 循迹自动驾驶是指让车辆按照录制好的轨迹线进行自动驾驶，其涉及到自动驾驶中最基本的底盘线控能力、定位能力、控制能力，是自动驾驶系统的一个最小子集。 上周阿波君为大家详细介绍了「进阶课程㊶丨Apollo实战——本机演示实战」。 此课程介绍了Apollo项目的基本代码结构包括：Docker和Docs（主要放置一些文档）、Modules（核...
.NET Core微服务实践2
qdwyj的专栏
08-13 336
.NET Core微服务实践 微服务架构 企业级能力复用平台 微服务—实操落地全套微服务架构组件 Microservice架构解析 Consul服务注册与发现 Ocelot网关Gateway Polly瞬态故障处理 Skywalking服务追踪 Exceptionless分布式日志 Apllo配置管理中心 IdentityServer4鉴权中心 Jenkins持续集成持续部署 Docker持续集成发布 Kubernetes容器编排 1 基于Consul..
Apollo-启动车辆循迹*
xiao769507610的博客
09-18 556
循迹实操演练 车辆循迹基本原理 循迹：沿着一条已经录制好的轨道自动驾驶 循迹轨迹文件包含信息： 轨迹定位信息 车速、加速度、曲率 动作信息：油门/刹车踏板反馈、档位、方向盘转角 车辆循迹时需要启动的软件 实践实操 配置文件 开始实操 进入Ubuntu，打开Docker Docker可以集成Apollo软件的相关依赖和地图文件，通过Docker image的形式提前加载到Docker当中 有线网络更新更快 进入 定位数据会刷新
springcloud学习-Eureka、Eureka高可用集群、Ribbon客户端负载均衡策略
qq_43409111的博客
05-20 1555
SpringCloud|Spring Cloud Alibaba全套完整版框架开发教程-微服务项目实战【大牛亲授Spring Cloud Alibaba】 视频链接：https://www.bilibili.com/video/BV1or4y1F7Qa p1~p10视频笔记 视频导读 接下来要学习两个课程，第一个是一站式微服务解决方案Spring Cloud Netflix，另外一个课程是一站式微服务解决方案Spring Cloud Alibaba。 Spring Cloud Netflix和Spring
阿波罗快递-TS-服务器样板
02-05
弃用apollo-express-ts-server-样板 Express的初始Apollo GraphQL服务器建议检查软件包已过时，并且 Server 2.0的软件包语法有很多更改入门修改代码时，请删除test / graphq.test.ts，test / graphql.test.ts是为了...
阿波罗开发板F429+RT-thread的touchGFX模板工程
最新发布
01-04
【阿波罗开发板F429+RT-thread的touchGFX模板工程】是一个结合了高性能微控制器STM32F429与实时操作系统RT-thread的项目，旨在为开发者提供一个基于touchGFX图形库的高效能用户界面设计平台。在嵌入式系统中，这种...
(阿波罗11号登月飞船源代码)Apollo-11-master
06-29
总的来说，阿波罗11号登月飞船的源代码是一部关于早期计算机技术、工程实践和人类决心的历史书。它见证了科技如何在极端条件下推动人类的边界，也为后来的计算机科学和航空航天工程奠定了基础。通过研究这份源代码，...
这就是Apllo-1-高精度地图
不是自然彩的云宝的博客
08-10 1061
高精度地图 什么是高精度地图 所谓的高精度地图，实际上是和我们现在已经普及的普通导航电子地图做比较来说的。 高精度，一方面是说高精度电子地图的绝对坐标精度更高。绝对坐标精度指的是地图上某个目标和真实的外部世界的事物之间的精度。另一方面，高精度地图所含有的道路交通信息元素更丰富和细致。 其实说白了，就是高精度地图在坐标精确度和道路信息等方面都要远优于普通的传统地图的。 虽然高精度地图看起来很牛逼，但是其实离我们并不遥远。我们用到的高德地图，百度地图等主流的导航上的地图其实就是高精度地图。 为什么要用高
阿波罗进阶版-6-地图的生产和采集
不是自然彩的云宝的博客
08-13 675
生产 在城市道路环境下，高精地图生产分为数据采集、数据处理、元素识别、人工验证四个环节。 数据采集 百度采取的是激光雷达和Camera二者相结合的制图方案。Apollo2.5版本中，百度已经发布了其地图采集方案。 其中，64线激光雷达用于道路路面采集。由于其扫描高度比较低，还需要一个斜向上装的16线激光雷达，用于检测较高处的红绿灯、标牌等信息。其他传感器有GPS、IMU、长焦相机以及短焦相机。 数据处理 传感器采集到的数据分为点云和图像两大类。 L4级自动驾驶汽车对地图的精度要求非常高。Apollo在制图过
Apollo进阶版-4-高精度地图的规范
不是自然彩的云宝的博客
08-12 588
高精地图表征元素 道路包括左边界右边界。它可分为两个层次，一是道路级别，一是Lane(车道)级别。 每个Lane都有左边、右边界；道路也有道路边界，而且道路边界是强约束，即自动驾驶的时候，道路边界是永远不能压的。车道线理论上也是不能压的，但是如果在紧急情况下可以压车道线，比如说可以越过虚黄线进行借道超车。 路口是一个相对复杂的场景，可以进一步细分为路口边界和虚拟车道。路口边界主要用于感知。 可以通过路口的边界，对感知进行过滤。如果感知识别到的静态物体不在地图的路口边界之内，就可以暂时忽略它。虚拟车道主要是用
Apllo进阶版-1-开源模块
不是自然彩的云宝的博客
08-12 334
Apollo平台技术框架 百度Apollo的技术框架包括四层：线控车辆平台（Reference Vehicle Platform）、参考硬件平台（Reference Hardware Platform）、软件开放平台（Open Software Platform）、云端服务平台（Cloud Service Platform）。 最底下一层是线控车辆平台（Reference Vehicle Platform），所有的东西都需要装载在线控车辆上才可以跑起来。 再往上一层是参考硬件平台（Reference Har
这就是Apollo-5-规划
不是自然彩的云宝的博客
08-12 266
为什么要规划 这个问题怎么解答呢，为什么要规划，就好像开车的时候要知道怎么才能去到目的地，这是驾驶过程中所必须要进行的行为。无人车也是如此 转化地图 Apollo通过搜索来查找路线，但它使用了更智能的搜索算法。在进行智能搜索算法以前，我们需要将地图数据重新格式化为“图形”的数据结构。该图形由“节点”(node)和“边缘”(edge)组成。节点代表路段，边缘代表这些路段之间的连接。 经典算法 A* 迪科斯彻算法 VFH … 这里介绍A*算法。 从初始节点开始，我们需要确定8个相邻节点中，哪个是最有希望的候选
阿波罗实践版-4-定位模块配置
不是自然彩的云宝的博客
08-15 258
定位原理 卫星定位：三角测量原理，通过时间测量法测量距离，定位精度为米级 RTK：实时差分技术，高精度的GPS测量必须采用载波相位观测值，RTK定位技术就是基于载波相位观测值的实时动态定位技术，它能够实时地提供测站点在指定坐标系中的三维定位结果，并达到厘米级精度。在RTK作业模式下，基准站通过数据链将其观测值和测站坐标信息一起传送给流动站。流动站不仅通过数据链接收来自基准站的数据，还要采集GPS观测数据，并在系统内组成差分观测值进行实时处理 定位设备：IMU,GPS天线，接收机 配装M2 准备 完成软件准备
阿波罗进阶版-17-ROS 2
不是自然彩的云宝的博客
08-14 239
ROS目前的问题 大数据传输性瓶颈：当数据量极大的时候，数据传输的时延非常高，这直接影响了决策的立即性和准确性 单中心的网络存在单点风险：整个ROS虽然是一个松耦合的架构，它包含一个节点管理器，节点管理器介入的时候，只是在节点建立通信之前有一个简单的拓扑映射，这种关系虽说极大程度释放了各个节点之间开发的耦合，但同时也带来了比较大的风险。 数据传输格式缺乏后向兼容：ROS是基于Message的分发和订阅的消息通讯框架，使用Message需要提前设置Message包含哪些类型的数据。把这个模块放到一个更复杂的
阿波罗进阶版-13-规划4
不是自然彩的云宝的博客
08-13 236
约束问题的核心有三点：第一是目标函数的定义，目标函数比较清晰，对于后面的求解更有帮助。第二是约束，比如路网约束、交规、动态约束等。第三是约束问题的优化，比如动态规划、二次规划等。本节主要介绍动态规划和二次规划的基本概念，以及二次规划问题的求解方法和形式化方法。 运动规划 动态规划通过类似于有限元的方式，把问题从连续空间抽象成离散空间，然后在离散空间中进行优化。虽然这种方法可以逼近连续空间中的最优解，但是计算复杂度很高。针对计算时间长的问题，可以使用牛顿方法进行优化，它的收敛次数是指数平方，也叫二次收敛。 二
阿波罗实践版-1-硬件介绍
不是自然彩的云宝的博客
08-15 207
核心问题-循迹 作为自动驾驶中最基本的能力，就是车辆安装预先录制好的路线进行运动，在运动过程中不能避障。 硬件组成 阿波罗推荐主流硬件和车辆。甚至提供，低成本循迹车辆。 低成本车辆包括车辆底盘，计算单元，感知系统，定位系统和其他配件，可以满足大多数需求。使用者只需要部署软件即可。 由于循迹问题无需讨论避障问题，所以车辆套件并不包括感知部分 计算单元 在自动驾驶的实现中，计算单元的可靠性是至关重要的，另外，考虑到无人车将会在一些颠簸路段，积水路段等较为恶劣的环境下运行，所以必须保证计算单元在这些环境下仍能

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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
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