Apollo感知框架

最新推荐文章于 2023-07-09 16:57:28 发布
最新推荐文章于 2023-07-09 16:57:28 发布
阅读量362 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

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
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
「Apollo」Apollo感知汇总
Liiipseoroinis
12-06 4172
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——第六讲下（Apollo自动驾驶-感知基础II）
sinat_52032317的博客
12-12 1544
感知模块结合了使用多个摄像头、雷达（前后）和激光雷达来识别障碍物并融合它们各自的轨迹以获得最终轨迹列表的能力。障碍物子模块对障碍物进行检测、分类和跟踪。障碍物子模块包含相机模块，lidar模块，radar模块。该子模块还预测障碍物运动和位置信息（例如，航向和速度）。
自动驾驶：BEV感知框架
最新发布
m0_72410588的博客
07-09 994
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。
自动驾驶：Apollo感知模块
博学而笃志，切问而近思。
03-01 869
自动驾驶：Apollo感知模块
由浅入深剖析 Apollo（阿波罗）架构
Clearlove_S7的博客
05-28 3270
Apollo（阿波罗）是携程框架部研发并开源的一款生产级的配置中心产品，它能够集中管理应用在不同环境、不同集群的配置，配置修改后能够实时推送到应用端，并且具备规范的权限、流程治理等特性，适用于微服务配置管理场景。Apollo 目前在国内开发者社区比较热，在Github上有超过 5k 颗星，在国内众多互联网公司有落地案例，可以说 Apollo 是目前配置中心产品领域 Number1 的产品，其成熟度和企业级特性要远远强于 Spring Cloud 体系中的 Spring Cloud Config 产品。
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感知模块详解与实践
12-08
"Apollo感知模块详解与实践" Apollo感知模块是自动驾驶系统中的一部分，负责对周围环境的感知和理解，以提供必要的信息给后续的规划控制模块。该模块主要包括Camera、LiDAR、Fusion等几个部分，每个部分都有其特定...
Apollo感知模块算法详解.pdf
08-15
Apollo感知模块算法详解
内部机密！！！Apollo感知模块算法详解.pdf
03-14
内部机密！！！Apollo感知模块算法详解.pdf
Apollo自动驾驶入门课程第④讲 — 感知（上）.pdf
04-17
"Apollo自动驾驶入门课程第④讲 — 感知（上）" Apollo自动驾驶入门课程第④讲 — 感知（上）这节课主要介绍了自动驾驶的感知部分，涵盖了计算机视觉、机器学习和感知器件等方面的知识。 首先，课程介绍了人类...
Apollo课程学习4——感知
weixin_43476492的博客
08-12 2259
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学习笔记7-感知融合
hello1268的博客
05-14 1万+
Apollo学习笔记7-感知融合InputOutput Input The perception module inputs are: 128 channel LiDAR data (cyber channel /apollo/sensor/velodyne128) 16 channel LiDAR data (cyber channel /apollo/sensor/lidar_front, lidar_rear_left, lidar_rear_right) Radar data (cyber ch
Apollo感知模块算法详解
热门推荐
xiangxianghehe的博客
08-30 2万+
原文出处：https://github.com/ApolloAuto/apollo/blob/master/docs/specs/perception_apollo_3.0.md https://github.com/ApolloAuto/apollo/blob/master/docs/specs/perception_apollo_3.0_cn.md 感知 Apollo 3.0 June...
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
03-24 214
Apollo 5.0源码学习笔记（一）| 感知模块 | 感知框架总览
Apollo的感知融合模块解析
发现问题，解决问题.
05-20 2万+
Apollo的感知融合模块解析 下文主要对百度Apollo的感知模块的fusion部分进行细致深入的了解，我将结合代码、流程图等一起分析，尽可能的将我的认知记录下来，分享大家。需要注意的是，Apollo版本迭代很快，我这里的分析是根据2.5_release版本进行分析的，如果后续版本有所变动，以实际代码为准。 导读 下文我将按照如下流程对模块进行分析： 文字简述 流程图 用函数表...
（转）Apollo 2.0 框架及源码分析(三) | 感知模块 | Radar & Fusion
shaozhenghan的博客
06-09 2259
https://zhuanlan.zhihu.com/p/33852112 文章提到了几个点： 一、雷达radar部分： Apollo 2.0 的坐标体系是以Lidar 为基准的。Apollo 可能认为 Velodyne 的位置是最准确的，因此 Camera 的位置标定参考 Velodyne, Radar 的标定参考 Camera。 阿波罗的感知几乎都依赖高精地图预先做ROI处理，以...
apollo_5.5_architecture
qq_41982726的博客
09-29 580
自动驾驶学习笔记--Apollo5.5软件架构Apollo 软件架构软件架构PerceptionPredictionLocalizationRoutingPlanningControlCanBusHMIMonitorGuardian Apollo 软件架构 软件架构 Perception Perception（感知模块）识别自动驾驶车辆周围的世界，包含两个重要的子模块:障碍检测和交通信号灯检测。 Apollo的Perception模块包含以下新特性： 支持VLS-128 Line LiDAR 通过多个
apollo学习笔记十八：apollo 感知（上）
siri99999的博客
08-02 596
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，
自动驾驶 Apollo 源码分析系列，感知篇(一)
frank 的专栏
12-17 7379
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感知算法解析
06-22
Apollo感知算法是一个高精度的自动驾驶系统，它可以在不同的场景下感知和理解道路、车辆和行人等对象。该算法使用深度学习和计算机视觉技术来提供准确而实时的感知能力。在道路场景中，该算法可以通过多种传感设备，...

“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