m0_67373678的博客

图片来自网络摄影｜网络#1 流程图的简介如果小伙伴们平时需要阅读别人的代码，那么相信最好的梳理逻辑的方式就是绘制流程图。流程图能够帮助我们梳理代码的逻辑，帮助我们快速理解、吃透代码。对于一个庞大项目，我们自己手动绘制流程图是非常耗时，并且对于动辄几十万行代码，甚至上千万行代码的大型项目，如果有程序能够自动绘制流程图，那将极大提升我们的效率。Apollo百度 planning代码截图以百度的自动驾驶Apollo源代码为例，光planning模块的参考线平滑中一个文件中的平滑函数就有几百行。如果自己完全手绘流程

可脱手得高速公路辅助，需要高精度定位系统（高精地图+GNSS等方案）召唤（从车外操控车辆自动泊车和恢复行使或在指定地点取回车辆）Full Speed Range ACC 全速域自适应巡航。自适应大灯系统也叫Matrix Beam 矩阵大灯控制。城市领航(开放道路L4)或者UP UrbanPilot。导航自动驾驶辅助(L2+) 特斯拉的类似HWA的功能。集成巡航辅助(TJA全速域升级版)智能自适应巡航（带限速控制）高速公路领航(封闭道路L3)前向十字交通路口报警/制动。后向十字交通路口报警/制动。......

其实还有生成凹边界的方法：找到中心点，然后以中心点为圆心，再等分为n（比如n=64）份，每份中找到离圆心最远的点，这些点也可以构成外边界。但是这种方法生成的实在太丑了。以上介绍的三种方法都可以生成外边界。但是在算法难易程度、需不需要调参、生成效果方面还是有一定区别，实际使用的时候可以根据需要选择合适的方法。凸集算法比较简单快速，但是生成的结果不够细腻。四叉树算法复杂度比较高，调节的参数较多，但是运行可以很快，结果不太精确，是近似的结果。滚球法算法并不复杂，结果更加细腻，但是需要调参，应用不太具有泛化性。..

自动驾驶轨迹规划中，为了安全，我们需要避免和障碍物（他车、行人、动物或者静态的物体）发生碰撞，因此在轨迹上我们需要进行碰撞检测。

百度阿波罗规模模块的EM规划器用到了DP（动态规划）、QP（二次规划）对路径和速度进行规划，QP是求解问题的核心。

之前在TOP3咨询公司实习，有研究各个tier级别的辅助驾驶现状，现在6年过去了，智能驾驶辅助有了新的发展。我们这次看看问界M5的辅助驾驶，具体的视频可以参考B站 大家车-YYP对问界的解说 ​感兴趣，可以关注公众号elegantcoin，接受更多消息​​​​..................

图片来自西门子摄影｜Siemens自动驾驶是一门综合性复杂的技术，目前这块比较火热，趁此机会我了解了一下决策规划这块领域，看了b站范昊阳大佬的《百度自动驾驶技术系列课程》后，整理了一下心得。#1总论路径规划是属于自动驾驶感知、决策、执行，互联几个关键领域里的决策环节，根据《Apollo 自动驾驶工程师技能图谱》中阐述的技能栈也可以看出决策的重要性。如果芯片被看作自动驾驶的大脑，那么决策好坏就决定这是一颗莱莎·徒利的大脑，还是一颗奥莲娜的大脑。#2全...

这里写自定义目录标题:fire:Terminal终端:🔥Terminal终端:git remote set-url origin https://codeXXXXXXXXXXXXXXXXXXXX@github.com/elegantcoin/utils.git 登录gitrsync --bwlimit=1000 -artP file1 -e 'ssh -p xxxx' user@targetmachine:file2cat cmd_lines_2022-05_15.log|egrep -E "hi