自动驾驶实战
文章平均质量分 54
神气爱哥
这个作者很懒,什么都没留下…
展开
-
IMU与轮速计联合初始化
因此,在xy平面上实际上就是轮速计的积分,轮速计积分虽然比较稳定,但是并不是很好,有时候也会飘,而缺乏绝对观测的原因,一旦飘了一点点就再也回不来了,以至于回环的时候有一个很大的偏差。如果直接用它做积分,立马就要飞掉,甚至你都看不出一点点趋势,发散的非常快,以至于还搞出速度用轮速计,角度用IMU这样的不伦不类的融合方式。以前在有gnss信号的情况下,根本就没做初始化,因为绝对观测会把错误位姿纠正回来,但是在地库中就不能这么搞了,所以也让我认识到初始化的重要性,还是不得不做的。,这里说的初始重力方向。原创 2023-12-28 09:28:49 · 890 阅读 · 4 评论 -
rviz学习
今天学习rviz,实验了贺一家博士的《从0开始手写vio》课件中的生成模拟IMU数据这一章节,代码如下:/* * Copyright (c) 2010, Willow Garage, Inc. * All rights reserved. * * Redistribution and use in source and binary forms, with or without * modification, are permitted provided that the following原创 2021-09-19 18:01:05 · 478 阅读 · 0 评论 -
高精地图应用(八)标牌重建
跟踪预测后,已经能建立多帧之间标牌的一致性关系,而每一帧的外参通过前面的定位环节已经确定了,因此只要建立同名点关系,就可以用三角量测把坐标算出来了。有一种办法是采用特征匹配的方法,通过特征点匹配建立同名点关系,而标牌还多一个单应约束,建立最小二乘问题,问题即可解。但本文并不采用这种方法,特征匹配强依赖于特征点的个数,对照片模糊或特征比较少的要素就无能为力了,本文介绍一种更加通用的方法,直接使用目标检测框来做:基于这样的判断:标牌角点投影到各帧图像中与目标检测的角点重投影误差时的位置就是标牌的位置原创 2021-02-05 13:33:52 · 412 阅读 · 0 评论 -
高精地图应用(七)跟踪预测
之前小结关注的是无人车的定位问题,从本小节开始关注的是建图问题,对于点状要素的建图来说,一般是采用三角测量的方法最关键的在于找到前后帧图像的同名点,一种可行的办法是找到前后帧图像的同名要素,比如如何确定前后两帧的标牌是同一个标牌,这就用到了跟踪预测的方法,opencv自带了许多跟踪方法,比如KCF Tracker、CSRT Tracker等,我实验了许多方法,发现都不是很好,总有跟丢的情况,最后采用的是跟踪算法与匈牙利算法相结合的办法,跟踪算法采用的是http://www.cvl.isy.liu原创 2021-02-03 17:46:03 · 411 阅读 · 0 评论 -
高精度地图(五)纵向定位
当横向定位成功后,无人车视野已经被限制住了,这时标牌等视觉要素跟高精地图的标牌只差了一个纵向上的偏差,对于我们人类来说是很容易找到对应关系的。机器找到对应关系也很简单,这个就要用到著名的匈牙利算法,这里就不过多介绍了,请参考别的文章,我们只说过程:1.将高精度地图通过投影到图像上,如上图,这是5个矩形。目标检测同样有5个矩形(红色阴影),于是可以构建二部图接下来就是确定每个标牌投影的矩形与目标检测每个矩形之间的权值,以确定最佳匹配关系,这里就简单使用中心点的位置以及长宽比...原创 2021-02-03 16:32:18 · 1142 阅读 · 0 评论 -
高精地图应用(四)横向定位
这里的横向定位是基于ICP算法的改进实现的3d-3d的配准方法,步骤:1.将单帧重建车道线的形值点,向高精度地图中的车道线做垂足,考虑到不受高程差异的影响,这里是在平面上完成的。求得的形值点与垂足就组成了一对同名点,我将形值点命名为source,垂足命名为target。会生成很多这样的同名点。2....原创 2020-09-10 18:48:15 · 1633 阅读 · 8 评论 -
高精度地图应用(三)单帧重建
单帧重建是指车道线的重建,为何选择车道线是因为车道线输出稳定,每一帧图像都有,而且车道线特征很强,语义分割技术比较成熟。首先,需要对原图进行语义分割以提取车道线,如: 然后,在语义分割基础上进行折线拟合,我这里就直接采用了opencv直线拟合的方式,代码:std::vector<Eigen::Vector2d> utils::Fitting2d(const std::vector<cv::Point2d>& geometry2d, cv::Mat K, c...原创 2020-08-16 17:41:40 · 800 阅读 · 0 评论 -
高精度地图应用(二)参数标定
整个系统框架图是这样的,让我再重新解释一下:首先对系统做一些标定工作,包括三个对齐:内参标定、安装角标定、时间同步。内参标定就不多解释了,就是求焦距fx,fy、像主点cx,cy、畸变参数D。安装角是指相机相对于车身的坐标系偏转,包括俯仰角pitch、偏转角yaw,滚转角roll,以及车身高度h,这四个参数决定了后面单帧重建的效果:关于这四个参数的标定方法首先要了解这四个参数是如何影响单帧重建的:如果pitch不对,则重建出来的车道线将不平行,如pitch不够将导致车道线近大远小,如:...原创 2020-08-13 17:00:17 · 1233 阅读 · 3 评论