自动驾驶常识扫盲
文章平均质量分 57
介绍自动驾驶相关基础知识
肥嘟嘟的左卫门
这个作者很懒,什么都没留下…
展开
-
Apollo代码解析:代码结构与运行流程
一 总体概括按场景Scenario来划分问题,一个场景包含多个Stage,一个Stage包含多个Task。ScenarioManager:负责管理Scenario的切换与选择。**Scenario:**某个场景或某个问题。**Stage:**解决某个场景问题的步骤,一般是一连串的Stage实现某个Scenario.**Task:**实现某个步骤的具体方法过程,一般是一连串的Task实现某个步骤。即解决某个Scenario场景问题时,先循环遍历Scenario下的每个Stage,每个Stage再循原创 2022-04-17 17:44:50 · 1661 阅读 · 0 评论 -
自动驾驶决策规划算法:概述
自动驾驶6个等级:L0:无自动驾驶功能。L1:有横向或纵向的功能,横纵向不能联合控制;L2:横纵向能联合控制,但驾驶员对一切场景负责;L3:功能与L2基本相同,最大区别在于L3在部分场景不需要驾驶员负责;L4:大部分场景不需要驾驶员负责;L5:所有场景都不需要驾驶员负责。划分等级的因素:1,功能。(L0-L2)2,责任。(L3-L5)...原创 2022-03-22 20:10:49 · 2672 阅读 · 0 评论 -
自动驾驶决策规划算法概述
一、级别分类L0横纵向都需要人操控,系统无法控制横向或者纵向L1系统只能操控横向或者纵向,系统能控制横向或者纵向中的一个,但横纵向无法联合控制原创 2022-01-06 17:59:48 · 6787 阅读 · 0 评论 -
自动驾驶工程应用中的关键技术点总结
1,车位融合模块即获取4个车位角点坐标(不知道坐标与FL,FR,RL,RR的对应关系)以及车辆坐标点,判断车位类型以及4个角点所处的位置,即获取的4个车位角点坐标与FL,FR,RL,RR的对应关系。2,判断车辆与障碍物是否碰撞,即车辆的顶点是否与障碍物凸多边形有交点。...原创 2022-03-03 11:48:29 · 1540 阅读 · 1 评论 -
C/C++反三角函数使用注意事项
最近写的东西用到了数学库中的acos函数,但是代码在运行的时候有时候会出莫名其妙的错误,比如返回值是个特别大的数。最后在debug 的时候发现acos返回的数据很奇怪,但是传入的参数明明没有问题,可以保证是[-1,1]。回想起,double类型的末尾数据时不确定的,当double类型数据alpha = 1.0时其真实值可能是1.00001;这明明是很早就知道的,但是在写代码的时候有时候却很容易忘记。所以在acos部分加入界限判别部分acos((alpha > 1.0) ? 1.0: (a.原创 2022-02-22 17:04:17 · 1339 阅读 · 0 评论 -
APA规划和控制算法开发遇到的问题及解决方案
轨迹规划算法轨迹规划采用五次多项式曲线、半径为最小转弯半径的圆弧、直线构成。控制算法纵向控制采用PID横向控制采用纯跟踪、Stanley并融合车辆运动学原理(适用场景:低速,曲率较大)。出现的问题问题1:不管是纯跟踪还是Stanley都具有预瞄距离,导致车辆不能较好的达到预期轨迹终点处,而产生误差,影响后续的控制。轨迹的圆弧半径均是最小转弯半径,故如上图所示,第一段轨迹跟踪过程中只要车辆未能到达指定轨迹终点处,则后面车辆肯定不能较好的跟踪RS曲线,因为最小转弯半径的限制,车辆只能在RS曲线原创 2022-01-10 15:15:32 · 2656 阅读 · 3 评论 -
AVP概述
0. 引言在无人驾驶各低速场景中,与矿山、港口、环卫等To B、To G的业务相比,属于私家车体系的AVP(自主代客泊车)无疑有着更多的用户/关注者。针对AVP目前的发展现状,市场上很少有文章进行系统地梳理。《九章智驾》希望能从AVP概述、竞争格局、技术路线、场景应用的难点与挑战以及未来的发展趋势等几个维度,全面系统地剖析AVP当前的发展情况,让大家能更加直观地了解AVP。这段时间以来,非常感谢接受《九章智驾》的采访的专家,同样也非常感谢参与到《九章智驾》AVP沙龙论坛的各位专家。在此,我们整理了各位转载 2022-01-05 11:26:38 · 6815 阅读 · 0 评论 -
自动驾驶涉及的核心技术与能力(持续更新中)
综述自动驾驶所需掌握的核心技术和能力,便于学习和回顾原创 2021-12-29 11:55:31 · 1368 阅读 · 1 评论 -
C++最小二乘拟合 (高阶最小二乘拟合)(附C++代码)
配置Eigen矩阵运算库后续计算需要利用矩阵运算来求解拟合系数,用到Eigen矩阵运算库,配置方法可自行搜索或MacOs可以参考Mac配置Eigen库进行配置。拟合原理以二次曲线拟合为例,拟合曲线应满足以下方程:如要要拟合的4个点为:(3, 6)(5, 8)(6, 12)(7, 4)则有:即有:由上面最后一个等式利用矩阵的转置与求逆,则可以得出其拟合曲线的系数W矩阵。准备数据由于Python的Matplotlib库可以很好地可视化数据,所以选用Python来生成数据文转载 2021-12-10 15:40:08 · 1146 阅读 · 0 评论 -
通俗易懂理解最小二乘法的本质
1 日用而不知来看一个生活中的例子。比如说,有五把尺子:用它们来分别测量一线段的长度,得到的数值分别为(颜色指不同的尺子):之所以出现不同的值可能因为:不同厂家的尺子的生产精度不同尺子材质不同,热胀冷缩不一样测量的时候心情起伏不定…总之就是有误差,这种情况下,一般取平均值来作为线段的长度:日常中就是这么使用的。可是作为很事’er的数学爱好者,自然要想下:这样做有道理吗?用调和平均数行不行?用中位数行不行?用几何平均数行不行?2 最小二乘法换一种思路来思考刚才的问题。首先转载 2021-12-10 11:13:41 · 1529 阅读 · 0 评论 -
图解Git常用命令
WorkSpace:就是你的本地工作区啦Stage:待提交区(暂存区)Local Repo:本地仓库Remote Repo:远程仓库WorkSpace—>Stage—>Local Repo—>Romate Repo1,创建版本库git clone <url> #克隆远程版本库git init #在本地的当前目录里初始化git仓库2,修改和提交git status #查看WorkSpace的状态git diff #显示WorkSpace和Stage中的转载 2021-12-09 18:38:57 · 332 阅读 · 0 评论