Apollo感知框架

最新推荐文章于 2024-08-15 10:40:42 发布
最新推荐文章于 2024-08-15 10:40:42 发布
阅读量385 收藏
点赞数
分类专栏： 自动驾驶
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/baidu_35231778/article/details/118703427
版权
本文介绍了Apollo感知框架所依赖的三种主要车载传感器——摄像头、激光雷达和毫米波雷达。摄像头提供广角视野，能识别交通标志，但在弱光环境下性能下降；激光雷达具有高精度，但成本高昂，易受天气影响；毫米波雷达则擅长检测距离，不受天气制约，但检测精度和识别交通标志的能力有限。三种传感器各有优势，共同为自动驾驶提供感知支持。
摘要由CSDN通过智能技术生成

在这里插入图片描述

Apollo感知框架也是基于主流的三种车载传感器：摄像头、激光雷达、毫米波雷达

  • 摄像头采集图像数据，优点是检测范围广，可以识别交通标志信息，缺点是在光线不足的场景识别精度会下降，而且不能检测距离
  • 激光雷达采集的是点云数据，优点是检测精度最高，缺点是价格昂贵，容易受到雨雪天气影响，数据存储和处理困难，检测范围比摄像头小，不能识别交通标志信息
  • 毫米波雷达能检测距离，优点是应用较为广泛，不受天气影响，缺点是检测精度不如激光雷达，不能识别交通标志信息，对于横向车辆的检测精度低，因“静态杂波滤除”的作用对静止障碍物的检测精度也低
洌泉_就这样吧
关注
专栏目录
「Apollo」Apollo感知汇总
Liiipseoroinis
12-06 4348
感知Perception概览 整个apollo perception传感器架构图如下： 整个感知模块的硬件方面包括了多个相机、毫米波雷达（前后）、激光雷达；在算法方面使用了单传感器、多传感器融合后的检测、识别，能够对障碍物进行分类、跟踪和运动轨迹的预测，除此之外还能给出障碍物的运动信息（前进方向、加速度等），给出车道相与本车的相对位置。 各传感器数据流细节如下图： 感知模块 Input 128线激光雷达数据 16线激光雷达数据 毫米波雷达数据 图像数据（相机传感器） 各传感器外参标定数据 各相机内参标
Apollo星火计划学习笔记——第五讲Part1 Apollo感知模块详解与实践
m0_51902001的博客
10-06 1018
学习感知模块的基础理论与算法知识
Apollo最新升级后的感知框架介绍
qq_41545537的博客
12-02 728
Apollo感知框架升级介绍
【Apollo】Apollo 8.0框架学习以及感知模块的实践
最新发布
一个普通的算法牛马
08-15 2077
学习Apollo感知的第一步：Apollo 8.0 感知框架的初探与实践
Apollo感知
Ali_start的博客
12-10 1727
目录 计算机视觉任务 视觉图像 lidar图像 深度学习 卷积神经网络 检测与分类 tracking跟踪 segmentation 语义分割 Apollo感知： 传感器比较： 雷达与激光雷达： 感知融合 卡尔曼滤波 硬件平台 计算机视觉任务 作为人类可以自动识别图像中的物体，甚至可以推断这些物体之间的关系。但是 对于计算机而言，图像只是红色、绿色和蓝色值的集合。如何...
Apollo 5.0源码学习笔记（一）| 感知模块 | 感知框架总览
qq_42119367的博客
03-24 231
Apollo 5.0源码学习笔记（一）| 感知模块 | 感知框架总览
自动驾驶：Apollo感知模块
博学而笃志，切问而近思。
03-01 997
自动驾驶：Apollo感知模块
Apollo感知模块详解与实践2
12-08
Apollo感知框架由多个组件组成，包括感知模块、摄像头、激光雷达、毫米波雷达等。感知模块负责对车辆周围的环境进行感知和检测，而摄像头、激光雷达、毫米波雷达等传感器则负责提供环境信息。 在感知框架中，感知...
Apollo星火计划学习笔记——第六讲Part2 Apollo感知模块详解与实践
m0_51902001的博客
10-07 1177
学习Apollo中感知模块中算法与实践环节
自动驾驶 Apollo 源码分析系列，感知篇(一)
frank 的专栏
12-17 7547
我是自动驾驶从业者，百度的 Apollo 是行业优秀的开源框架，近几年发展的比较快，基于对技术的热爱，我计划用 3 个月的样子来学习 Apollo 的源码，以提升自己的自动驾驶认知和技术。 在 Apollo 官网它有显示自己开放平台的架构，我关注于算法及代码实现。 自动驾驶公认的分层架构是： 感知 决策 控制 执行 所以，系列文章我先从感知模块开始。 当前 Apollo 版本是 6.0，所以这一系列文章都是 Apollo 6.0。 百度 Apollo 是基于 Lidar 的，这个需要明白这一点。 即使
Apollo自动驾驶之感知
u012739527的博客
01-07 1083
image.png 感知 人类天生就配备多种传感器，眼睛可以看到周围的环境，耳朵可以用来听，鼻子可以用来嗅，也有触觉传感器，甚至还有内部传感器，可以测量肌肉的偏转。 通过这些传感器，我们可以感知到我们周围的环境。我们的大脑每分每秒都在进行数据处理，大脑的绝大部分都是用于感知。 image.png 无人驾驶车辆也在做这些事情，只不过他们用的不是眼睛而是摄像头。 他们也有雷达和激光...
自动驾驶：BEV感知框架
m0_72410588的博客
07-09 1197
BEV感知框架是一种基于鸟瞰图的感知方法。它将车辆周围的环境建模为一个二维平面，从而简化了感知任务。BEV感知框架通过将车辆周围的点云数据映射到一个鸟瞰图上，实现对车辆周围环境的理解和识别。
Apollo学习笔记 入门课程之三：感知
weixin_44251766的博客
07-28 353
Apollo学习笔记 入门课程之三：感知 基础数据分析： 1、 计算机视觉：检测、分类、跟踪、语义分割。图像分类器，输入图像，输出类别、标志、标签。首先接受一系列图像，之后进行预处理，调整大小、旋转，之后提取特征，输入分类模型得到结果。 2、 摄像头图像：数据图像的简单介绍。宽、高、深 RGB_depth = 3。 3、 LiDAR图像：点云。得到物体的方向与距离。形状，表面纹理。对点进行聚类和分析，进行检测与分类结果。 算法： 4、 机器学习：监督式学习，使用真值标记。无监督学习，通过摄像头图像，自主学习
Apollo课程学习4——感知
weixin_43476492的博客
08-12 3065
Apollo课程学习4——感知学习前言感知的概述一、什么是感知二、感知的任务1、检测与分类2、跟踪3、语义分割三、图像分类器步骤传感器的选择和标定一、传感器的选择1、相机2、激光雷达3、毫米波雷达二、传感器的安装三、传感器标定四、传感器融合感知算法一、点云感知1、启发式方法：NCut2、深度学习方法：CNNSeg二、视觉感知2.1 CNN检测2.2 CNN分割2.3 后处理三、红绿灯感知四、机器学习五、神经网络1、神经网络简介2、学习（训练）——后向传播3、卷积神经网络（CNN)Apollo感知
Apollo入门课程04-感知
qq_17437129的博客
07-18 464
感知 感知介绍 感知是无人驾驶技术中十分重要的一环，一般可 以用静态摄像头和其他传感器来感知环境，需要 用到大量计算机视觉技术，这里最广泛使用的是 CNN卷积神经网络。 计算机视觉 计算机视觉是指计算机看待和理解世界的方式。 感知任务有四个核心任务： 1.检测：是指找出物体在环境中的位置 2.分类：是指辨别出物体是什么 3.跟踪：是指随时间的推移观察移动物体 4.语义分割：将图像中的每个像素与语义类别进行匹配 实现流程 1.计算机接受类似摄像头等成像设备的输入 2.对输入图像做预处理 3.提取特征 4.分
apollo学习笔记十八：apollo 感知（上）
siri99999的博客
08-02 623
感知概貌 问题范围 获取信息的区别 人类驾驶员开车主要借助眼睛、耳朵，辅助以倒车影像和雷达来获取驾驶环境的信息。机器感知系统则根据各种各样的传感器来获取汽车周围的驾驶环境，包括Lidar，Camera，Radar，超声波雷达以及拾音器等。相对人类而言，机器感知是全覆盖，并且感知精度更高，能够达到厘米级别，但是机器感知在语义感知方面相差太大。 地图定位的区别， 人类驾驶员主要依靠导航地图，或者依据交通指示牌进行路径规划和导航。机器感知系统则依赖高精地图。高精地图和导航地图的最大差别是有参考线，
Apollo-感知介绍1*
xiao769507610的博客
09-09 180
什么是传感器？应用于自动驾驶汽车上的传感器有哪几种？ 感知机器人学科的问题。 传感器：Lidar camera 毫米波雷达 超声波雷达 拾音器 无人车十分依赖高精度地图，没涉及到的地方就没法开。 传感器是什么？ 传感器（英文名称：transducer/sensor）是一种检测装置，能感受到被测量的信息，并能将感受到的信息，按一定规律变换成为电信号或其他所需形式的信息输出，以满足信息的传输、处理、存储、显示、记录和控制等要求。 激光雷达 缺点：很难做识别（比如Apollo是64线的，如果离得太远，可.
【Apollo】感知基础
ponnyao学习笔记
12-08 1030
自动驾驶感知模块概述
深度解析Apollo感知模块：障碍物检测与融合算法
首先，课程介绍了Apollo感知框架，它是一个集成多种传感器数据（如摄像头、雷达和激光雷达）的关键组件。这些传感器协同工作，能够识别障碍物、车道线、红绿灯等，并预测它们的运动和位置信息，如航向和速度。通过...
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