![](https://img-blog.csdnimg.cn/20190124150057313.jpeg?x-oss-process=image/resize,m_fixed,h_224,w_224)
动手学无人驾驶
文章平均质量分 92
本专栏主要记录了学习中所做的无人驾驶项目,主要参考了Udacity的无人驾驶纳米学位相关项目,在此表示感谢。https://cn.udacity.com/course/intro-to-self-driving-cars--nd113-cn
自动驾驶小学生
谢谢关注。代表作品:《Coursera自动驾驶课程24讲》:https://blog.csdn.net/cg129054036/category_10603636.html?spm=1001.2014.3001.5482
展开
-
动手学无人驾驶(7):车道线检测
作者介绍:https://zhuanlan.zhihu.com/p/157530787原创 2021-11-02 22:42:43 · 2476 阅读 · 0 评论 -
动手学无人驾驶(6):基于IMU和GPS数据融合的自车定位
在上一篇博文《动手学无人驾驶(5):多传感器数据融合》介绍了如何使用Radar和LiDAR数据对自行车进行追踪,这是对汽车外界运动物体进行定位。对于自动驾驶的汽车来说,有时也需要对自身进行更精确的定位,今天就介绍如何使用IMU和GPS进行自车定位(因为在上一篇文章中对kalman和Extend Kalman原理进行了比较详细的介绍,本文中理论部分不会再介绍的这么详细了,有需要的话可以回看上文)。本文参考了Coursera自动驾驶课程项目,在此表示感谢。大家可以先看看下面这个视频,对本项目要介绍的..原创 2020-11-22 22:27:35 · 11891 阅读 · 20 评论 -
动手学无人驾驶(5):多传感器数据融合
本系列的前4篇文章主要介绍了深度学习技术在无人驾驶环境感知中的应用,包括交通标志识别,2D与3D目标检测。在本文中将会介绍无人驾驶的定位部分,我们将使用仿真的Radar和LiDAR数据对自行车进行追踪。这里使用到了两种传感器数据,因此我们需要进行数据融合,同时由于两种传感器工作原理不同,我们需要分别应用卡尔曼滤波与扩展卡尔曼滤波技术。本文主要参考Udacity《无人驾驶工程师》课程相关项目。文章目录1.毫米波雷达简介2.激光雷达简介3.卡尔曼滤波原理3.1 预测3.2 更新4.扩展卡尔曼滤波原理5..原创 2020-08-18 22:34:21 · 6295 阅读 · 13 评论 -
动手学无人驾驶(4):基于激光雷达点云数据3D目标检测
上一篇文章《动手学无人驾驶(3):基于激光雷达3D多目标追踪》介绍了3D多目标追踪,多目标追踪里使用的传感器数据为激光雷达检测到的数据,本文介绍如何基于激光雷达点云数据进行目标检测。...原创 2020-04-07 20:26:50 · 6319 阅读 · 13 评论 -
动手学无人驾驶(3):基于激光雷达3D多目标追踪
上一篇博客介绍了无人驾驶中的车辆检测(YOLO模型),该检测是基于摄像头(Camera)进行的2D目标检测。在无人驾驶感知传感器中还有另一种重要的传感器:激光雷达。今天就介绍一篇无人驾驶中基于激光雷达的3D多目标追踪论文,使用的数据集是KITTI数据集,目标检测算法是PointRCNN。该3D多目标追踪系统不需要使用GPU且取得了最快处理速度(214.7FPS)。论文地址:A Baseline...原创 2019-12-22 23:09:15 · 6470 阅读 · 14 评论 -
动手学无人驾驶(2):车辆检测
上一篇博客介绍了无人驾驶中深度学习在交通标志识别中的应用(动手学无人驾驶(1):交通标志识别)。本文介绍如何使用深度学习进行车辆检测,使用到的模型是YOLO模型,关于YOLO模型的具体检测原理,可以参考吴恩达老师的深度学习课程视频。课程链接是:https://www.deeplearning.ai/deep-learning-specialization/。之前的一篇博客中也对YOLO的...原创 2019-10-17 22:09:27 · 1799 阅读 · 0 评论 -
动手学无人驾驶(1):交通标志识别
今天主要介绍无人驾驶当中深度学习技术的应用。本文是根据博客专家AdamShan的文章整理而来,在此表示感谢。关于深度学习的图像分类技术,网上已有很多关于深度学习的课程(如吴恩达老师的深度学习专项课程),故本文不对理论部分进行阐述,只关注实践部分,用到的深度学习框架是keras。关于keras框架的学习,之前转载了一篇黄海广博士的文章,是很不错的学习书籍。首发:深度学习入门宝典-《pyth...原创 2019-10-15 23:58:28 · 3544 阅读 · 5 评论