自动驾驶
文章平均质量分 77
小mu加油
这个作者很懒,什么都没留下…
展开
-
拓展卡尔曼滤波学习(python源码)
拓展卡尔曼滤波的逐步理解与实现这个文章讲的非常不错。配套代码实现文章。【机器人位置估计】卡尔曼滤波的原理与实现本文主要是针对两篇文章的基础上做笔记和记录学习过程。一、基本模型1.1 机器人小M现在小M只具有一个物理量-位移x,也就是一维卡尔曼/1.2 位移状态预测值估计值自身会由于运动模型预测不准确而导致预测误差,由误差值得到的状态值也是存在误差的,如果以存在误差的状态值继续预测下一个状态值,误差会存在累计的问题。需要引入测量量进行修正。1.3 传感器测量值.原创 2020-09-10 11:42:11 · 4248 阅读 · 3 评论 -
DWA算法学习(带matlab源码)
机器人状态位置 (x,y) 航向yaw 速度v 角速度w机器人运动模型最高速度m/s]最高旋转速度[rad/s]加速度[m/ss]旋转加速度[rad/ss]%速度分辨率[m/s]转速分辨率[rad/s]]评价函数参数航向得分的比重距离得分的比重速度得分的比重向前模拟轨迹的时间速度采样,产生可用轨迹通过机器人模型,以机器人的速度限制和角速度限制为界限,以速度分辨率和角速度分辨率遍历所有采样速度。通过仿真时间确定机器人的轨迹,机器人轨迹是由点位进行原创 2020-09-10 11:40:25 · 5769 阅读 · 7 评论 -
Apollo Planner
参考文章https://blog.csdn.net/AdamShan/article/details/80779615https://blog.csdn.net/weixin_43619346/article/details/104973670笛卡尔坐标系的替代解决方案为 Frenet 坐标系,Frenet 坐标系描述了汽车相对于道路的位置,在 Frenet 框架中,s 代表沿道路的距离称为纵坐标,d表示与纵向线的位移称为横坐标。世界坐标系下的一个位置可能在Frenet 坐标系中表示的位原创 2020-09-10 11:39:01 · 635 阅读 · 0 评论 -
Apollo Control学习
反馈控制是无人车最底层的软件算法模块,包括横向控制和纵向控制两个部分。横向控制主要用于车辆方向盘的控制纵向控制则主要负责车辆油门、刹车的控制横向控制根据上层运动规划输出的路径、曲率等信息进行跟踪控制,以减少跟踪误差,同时保证车辆行驶的稳定性和舒适性。控制模块的作用是根据规划(planning模块)生成的轨迹,计算出汽车的油门,刹车和方向盘信号,控制汽车按照规定的轨迹行驶。根据汽车动力学和运动学对车辆进行建模,采用串级PID或模型预测控制(MPC)方法实现控制过程。...原创 2020-09-10 11:37:53 · 889 阅读 · 1 评论