- 博客(35)
- 收藏
- 关注
RSS订阅原创 Apollp自动驾驶实践03——车辆动力学标定&启动车辆循迹
Apollp自动驾驶实践03——车辆动力学标定&启动车辆循迹05 车辆动力学标定本节主要介绍了通过Apollo软件进行车辆踏板标定的基本原理和方法步骤，了解车辆标定的作用，掌握标定后的数据处理过程，通过实际操作演示标定过程，帮助开发者快速掌握车辆方法和标定流程。标定的目的这里说的是Apollo软件的标定(系统标定)。依据车辆标定表来通过软件供给Apollo车辆进行判断。控制油门和刹车的比例。不同的车使用标定表不同。Apollo标定的步骤1.拉起docker2.启动模块
2020-08-14 17:34:10
1657
5
原创 Apollp自动驾驶实践02——软件&定位模块配置
Apollp自动驾驶实践——从Apollo开发套件循迹开始03 软件系统部署操作系统软件：Unbuntu 14.04 LTS、Linux4.4内核、Apollo1.5.5内核驱动软件：GPU显卡驱动、ESD-CAN卡驱动或者Socket CAN卡驱动应用软件：Docker软件、Git软件、Apollo源代码BIOS设置：工控机启动时按F2进入设置菜单，选择Advanced中的Smart Fan Control设置风扇参数。选择Power中的SKU Power Config，设置为MAX TD
2020-08-14 16:54:53
865
1
原创 Apollp自动驾驶实践01——导论&硬件系统
Apollp自动驾驶实践——从Apollo开发套件循迹开始00 导论自动驾驶系统集车辆学、人工智能、计算机科学、自动控制等多学科应用于一体，是一个非常复杂的系统。搭建一个闭环的自动驾驶系统涉及技术门槛高，还面临着资金成本高、政策约束等多方面的挑战。因而在以往的自动驾驶学习课程中，以理论概念为主，缺乏闭环的上车实践。 Apollo开源平台的出现，极大的降低学习自动驾驶的技术门槛； 而Apollo开发套件的出现，又再一次降低了搭建闭环自动驾驶系统的所涉及到的车辆硬件成本高、采购周期长、测试场地限制等各种问题
2020-08-14 16:37:05
619
原创 Apllo进阶课程31-Apollo实战——障碍物感知和路径规划能力实战
Apollo实战——障碍物感知和路径规划能力实战环境感知在自动驾驶汽车应用中占据了核心地位。一辆车要实现自动驾驶，障碍物感知是最基础也是最核心的功能。相比于最基本的Apollo 1.0版本，Apollo 2.0版增加的主要功能模块是感知和规划。首先，我们回顾Apollo的感知模块。每种传感器都有自己的优势和劣势，如图所示。从图中可以看出没有一种设备可以满足所有的场景，只有将各种设备融合在一起才能达到相对稳定感知结果。也就是从Apollo 2.0开始，我们开始使用多传感器融合的方式做感知。多传感器融合需要
2020-08-14 08:10:01
755
原创 Apllo进阶课程30-Apollo实战——车辆与循迹驾驶能力实战
Apollo实战——车辆与循迹驾驶能力实战循迹自动驾驶是指让车辆按照录制好的轨迹线进行自动驾驶，其涉及到自动驾驶中最基本的底盘线控能力、定位能力、控制能力，是自动驾驶系统的一个最小子集。在搭建完自动驾驶车辆的软、硬件环境以后，通常采用循迹测试进行验证，如图所示。循迹测试涉及最底下的几个模块，只需要定位、控制以及Canbus这三个模块，是Apollo的最小子集，通过循迹可以验证车的线控能力以及模块的整体集成能力。那么如何做循迹测试呢？首先在硬件上，我们需要一辆线控车辆、一个工控机以及惯导系统GPS和
2020-08-14 08:09:48
523
原创 Apllo进阶课程29-Apollo实战——本机演示实战
Apollo实战——本机演示实战Apollo是一个开放的、完整的、安全的平台，将帮助汽车行业及自动驾驶领域的合作伙伴结合车辆和硬件系统，快速搭建一套属于自己的自动驾驶系统。要使用Apollo进行实战，首先要对Apollo的代码结构有一个基本的认识。图1是Apollo项目的基本代码结构。包括Docker和Docs（主要放置一些文档）、Modules（核心模块算法都在该文件夹下）以及Scripts和Tools等。包括之前理论学习的Perception、Localization、Prediction 、高
2020-08-14 08:09:36
298
原创 Apllo进阶课程28-Azure仿真平台使用
Azure仿真平台使用Azure是一种灵活和支持互操作的平台，它可以被用来创建云中运行的应用或者通过基于云的特性来加强现有应用。它开放式的架构给开发者提供了Web应用、互联设备的应用、个人电脑、服务器、或者提供最优在线复杂解决方案的选择。本节补充介绍另一个仿真平台，它是基于微软的一个仿真平台Azure，该仿真平台不需要本地部署。在Apollo的Github账号上可看见图1所示的两个状态，左侧的Build用来做持续集成。由于有很多的开发者会提交自己对Apollo修改后的代码，我们不可能每次都把代码下载
2020-08-14 08:09:14
148
原创 Apllo进阶课程27-Apollo安装过程概述
Apollo安装过程概述Apollo是一个自动驾驶的平台，推荐的参考运行环境为：ThinkPAD X240、CPU：i5 、四核 、内存 8G、 硬盘容量40G以上。安装过程如图1所示，安装主要分为三步。安装基础环境，拉取Docker镜像并创建容器，进入容器编译源码。下面介绍具体的安装过程。首先是安装git，因为Apollo代码是托管在github平台的，所以需要git工具。然后使用git将Apollo源码克隆到本地，如图2所示。下载源码之后，还要安装Docker环境，可以使用Apollo提供
2020-08-14 08:08:50
287
原创 Apllo进阶课程26-Apollo平台的快速入门
Apollo平台的快速入门Apollo是向汽车行业及自动驾驶领域的合作伙伴提供一个开放、完整、安全的软件平台，帮助他们结合车辆和硬件系统，快速搭建一套属于自己的完整的自动驾驶系统。本节主要和大家分享Apollo的快速入门方法，包括编译、高精地图和实时相对地图、一些调试工具以及新加入的计算单元和模块。首先，我们对Apollo项目的Issue也进行了一些统计分析，结果如图1所示。从图中可以看出大家对感知、Build、Docker、规划、调试等方面的内容比较感兴趣。另外是在还没有硬件的情况下，如何在理想的环
2020-08-13 23:12:32
260
原创 Apllo进阶课程25-Apollo自动驾驶架构介绍
Apollo自动驾驶架构介绍自动驾驶硬件架构：一般采用激光雷达作为主要感知传感器，同时结合摄像头、GPS/IMU、毫米波雷达、超声波雷达等，以NVIDIA Drive PX2 或 Xavier作为主要计算平台，在工业PC机上运行各种算法模块，通过线控技术控制车辆行驶。百度开源自动驾驶系统Apollo的架构图如下所示：Apollo自动驾驶平台的架构如下图所示。该架构是Apollo 在2017年7月5号发布的，主要包括四个部分:最底层的车辆平台，往上一层的传感器层，第三层的核心软件层以及最上层的云服务层
2020-08-13 22:05:22
2908
原创 Apllo进阶课程24-Apollo ROS深入介绍
Apollo ROS深入介绍ROS是一个强大而灵活的机器人编程框架，从软件构架的角度说，它是一种基于消息传递通信的分布式多进程框架。ROS本身是基于消息机制的，可以根据功能把软件拆分成为各个模块，每个模块只是负责读取和分发消息，模块间通过消息关联。ROS Packages创建一个ROS开发环境和写一个C++工程有点类似，通过catkin create可以创建一个简单的工程。其中的文件组织方式如上图所示，包括：SRC存放源文件；MSG存放节点之间进行通信的消息定义；SRV存放节点之间进行服务通信
2020-08-13 22:05:08
306
原创 Apllo进阶课程24-Apollo ROS原理—3
Apollo ROS原理—3ROS是一个强大而灵活的机器人编程框架，从软件构架的角度说，它是一种基于消息传递通信的分布式多进程框架。ROS本身是基于消息机制的，可以根据功能把软件拆分成为各个模块，每个模块只是负责读取和分发消息，模块间通过消息关联。ROS ServicesROS提供了三种节点之间通信的方式：第一种是大家最常用的基于消息的订阅发布模型，第二种就是ROS Service，第三种Param，它借鉴了Service的思想。Service在自动驾驶系统里面使用的比较广泛，与基于消息发布订阅模型
2020-08-13 22:04:55
193
原创 Apllo进阶课程23-Apollo ROS原理—2
Apollo ROS原理—2在ROS系统中，从数据的发布到订阅节点之间需要进行数据的拷贝。在数据量很大的情况下，很显然这会影响数据的传输效率。所以Apollo项目对于ROS第一个改造就是通过共享内存来减少数据拷贝，以提升通信性能。Apollo ROS对ROS的改进去中心化网络拓扑去中心化网络拓扑的原因使用RTPS服务发现协议实现完全的P2P网络拓扑Apollo ROS进行了比较大的改造：先把这个中心化的网络拓扑给去掉，然后建立了一个点对点之间的一个复杂网络拓扑，主要是使用RTPS服务发现
2020-08-13 22:04:40
171
原创 Apllo进阶课程22-Apollo ROS原理—1
Apollo ROS原理—1ROS在开发过程中，基于功能把整个自动驾驶系统分成多个模块，每个模块负责自己消息的接收、处理、发布。当模块需要联调时，通过框架可以把各个模块快速的集成到一起。ROS的不足ROS是很多大学或者实验室进行探索性项目实验所采用的基本框架，但在实际的自动驾驶工程化需求面前，还有很多明显不足。大数据传输性能瓶颈实验性项目里面采用的Topic是Message，数据量是比较小的，可能只有几K或者最多1~2MHZ，但在实际自动驾驶场景里面数据量非常大。例如Lidar一帧数据大概是7M
2020-08-13 22:04:23
201
原创 Apllo进阶课程21-Apollo ROS背景介绍
Apollo ROS背景介绍ROS是机器人学习和无人车学习最好Linux平台软件，资源丰厚。无人车的规划、控制算法通常运行在Linux系统上，各个模块通常使用ROS进行连接。引入ROS的背景介绍如上图所示：自动驾驶系统包括障碍物检测、行为决策、路径规划等一系列复杂的工程模块，同时还要支持激光雷达、相机、GPS等一系列传感器的实时数据收集和实时处理。如何将这些功能模块相互独立又相互交互集成一起，构建成一个稳定的自动驾驶系统是一个巨大的挑战，也是自动驾驶计算框架所承载的基本功能。首先自动驾驶系统还处在
2020-08-13 22:04:09
176
原创 Apllo进阶课程20-Apollo规划技术详解——Understand More on the MP Difficulty
Apollo规划技术详解——Understand More on the MP DifficultyEM是一个在已知部分相关变量的情况下，估计未知变量的迭代技术，EM的算法流程如下：1.初始化分布参数；2.重复直到收敛。重复直到收敛的步骤如下：1.E步骤：根据隐含数据的假设值，给出当前的参数的极大似然估计；2.M步骤：重新给出未知变量的期望估计，应用于缺失值。本节主要介绍 Apollo 中的 EM planner 。在前面的课程中，我们提到优化问题的三个方面：目标函数、约束条件和求解方法。那么
2020-08-12 23:18:29
489
原创 Apllo进阶课程19- Apollo规划技术详解——Optimization Inside Motion Planning
Apollo 规划技术详解——Optimization Inside Motion Planning在自动驾驶软件的开发中，运动规划是最核心的模块之一。它将综合感知、定位和地图等信息，规划出无人车未来一段时间（约10秒）的一系列动作指令（方向盘转角、油门、刹车等）。运动规划的问题——目标函数（objective function）和约束（constraint）。运动规划的最终目的就是找出一条最优的运动轨迹，使其能够最小化（或者最大化）目标函数，并且不违背任何约束。约束问题的核心有三点：第一是目标函数的
2020-08-12 23:18:06
570
原创 Apllo进阶课程18-Apollo 规划技术详解——Motion Planning Environment
Apollo 规划技术详解——Motion Planning Environment自动驾驶汽车核心技术包括环境感知、行为决策、运动规划与控制等方面。其中，行为决策系统、运动规划与控制系统作为无人驾驶汽车的“大脑”，决定了其在不同交通驾驶场景中行驶的合理性与安全性。在自动驾驶中，我们将环境抽象成 SL 坐标系，在此坐标系下的曲线光滑度是有要求的。首先，曲线本身要平滑。其次，其曲率也要满足平滑的特性。因此需要对轨迹线进行平滑处理。那么能不能先生成一条线，然后再进行平滑，能不能对 Curvature 进行一
2020-08-12 23:11:57
462
原创 Apllo进阶课程17- Apollo规划技术详解——Motion Planning with Environment
Apollo规划技术详解——Motion Planning with Environment当行为层决定要在当前环境中执行的驾驶行为时，其可以是例如巡航-车道，改变车道或右转，所选择的行为必须被转换成路径或轨迹，可由低级反馈控制器跟踪。所产生的路径或轨迹必须满足车辆动力学约束的，对乘客来说是舒适的，并且避免与车载传感器检测到的障碍物的碰撞。寻找这样的路径或轨迹的任务是运动规划系统的责任。由于规划是感知和控制之间的纽带，当前的新规划算法开发多考虑感知的不确定性以及控制的约束。在动态环境数据采集过程中，路径
2020-08-12 23:07:58
284
原创 Apllo进阶课程16- Apollo规划技术详解——Motion Planning with Autonomous Driving
Apollo规划技术详解——Motion Planning with Autonomous Driving自动驾驶车辆的规划决策模块负责生成车辆的行驶行为，是体现车辆智慧水平的关键。规划决策模块中的运动规划环节负责生成车辆的局部运动轨迹，是决定车辆行驶质量的直接因素。在大多数情况下，运动规划问题的精确解决方案在计算上是难以处理的。 因此，数值近似方法通常在实践中使用。在最流行的数值方法中，变分方法将问题视为函数空间中的非线性优化，图形搜索方法构建车辆状态空间的图形离散化并使用图形搜索测量方法搜索最短路径
2020-08-12 23:07:32
370
原创 Apllo进阶课程15- Apollo规划技术详解——Basic Motion Planning and Overview
Apollo规划技术详解——Basic Motion Planning and Overview运动规划（Motion Planning）就是在给定的位置A与位置B之间为机器人找到一条符合约束条件的路径。这个约束可以是无碰撞、路径最短、机械功最小等。具体的案例可以是为移动机器人规划出到达指定地点的最短距离，或者是为机械臂规划出一条无碰撞的运动轨迹，从而实现物体抓取等。基本的运动规划就是在起始构型与目标构型之间找到一条连续运动轨迹，同时避开环境中的障碍物。什么叫做运动规划规划问题本质上是一个搜索问题，
2020-08-11 09:25:03
984
原创 Apllo进阶课程14- Apollo感知之旅——机器学习与感知的未来
Apollo感知之旅——机器学习与感知的未来机器学习机器学习里面存在一个普遍的假设，训练集和测试集是独立同分布的，如果测试和训练没有任何关系，测试效果是没有任何保证的。但是无人车感知的训练集是封闭的，而测试集是开放的。测试是在开放道路进行的，如果遇到新的障碍物，在训练中从来没见过，怎么处理？例如，在城市道路上很少见到卡车，但是高速会遇到很多卡车，而且卡车上的东西也很多，如果机器学习模型没见过这些障碍物，很有可能带来一些错误。可解释性是否需要无人车的安全需要可解释，出现一个Bad case需要说清责
2020-08-11 09:03:09
124
原创 Apllo进阶课程13- Apollo感知之旅——感知算法
Apollo感知之旅——感知算法讲到感知，首先不得不讲到传感器。传感器是自动驾驶感知环节中最主要的工具，我们必需对传感器能够提供的数据类型、适用的工况以及局限性都非常了解和熟悉，才能让算法工程师更好的适配传感器所采集和提供的数据写出更好的算法。感知算法根据使用的传感器不同而不同。对于激光雷达Lidar点云感知，本节主要介绍两个检测算法，分别是启发式的Ncut和深度学习算法CNNSeg。对于视觉感知，将全面介绍深度学习检测和分割技术、跟踪技术，2D-to-3D技术以及多相机融合技术，此外还会介绍红绿灯检测
2020-08-11 08:59:58
1624
原创 Apllo进阶课程12- Apollo感知之旅——传感器标定
Apollo感知之旅——传感器标定传感器标定的分类包括：绝对标定、相对标定或比较标定、静态标定和动态标定。绝对标定—被测量是由高精度的设备产生并测量其大小的，特点：精度较高，但较复杂。相对标定或比较标定—被测量是用根据绝对标定法标定好的标准传感器来测量的，特点：简单易行，但标定精度较低。静态标定—确定传感器的静态指标，主要有线性度、灵敏度、迟滞和重复性。动态标定—确定传感器的动态指标，主要有时间常数、自然振荡频率和阻尼比等。在无人车中使用的传感器主要有激光雷达Lidar，相机和毫米波雷达Ra
2020-08-11 08:53:40
1151
原创 Apllo进阶课程11- Apollo感知之旅——传感器的选择和安装
Apollo感知之旅——传感器的选择和安装传感器是一种检测装置，能感受到被测量的信息，并能将感受到的信息，按一定规律变换成为电信号或其他所需形式的信息输出，以满足信息的传输、处理、存储、显示、记录和控制等要求，它是实现自动检测和自动控制的首要环节。从智能驾驶发展趋势来看，企业应用于自动驾驶汽车的传感器主要有以下几种：图像传感器、激光雷达、毫米波雷达、超声波雷达以及生物传感器。它们依据各自不同的产品属性，在自动驾驶汽车行驶过程中各主不同的功能，以保证自动驾驶汽车的正常运行。由于智能驾驶车辆只能实现部分场
2020-08-11 08:46:08
639
1
原创 Apllo进阶课程10- Apollo感知之旅——感知概貌
Apollo感知之旅——感知概貌对于每个无人驾驶汽车，它的核心竞争力之一就是利用海量的传感器数据，来模仿人脑理解这个世界。谈论传感器时也会涉及到神经网络、深度学习、人工智能。感知概貌感知是机器人学科的问题，机器人要做的即是像人类学习，但不是完全模仿，应做到扬长避短。例如飞机的飞行不需要和鸟的飞行一样，而是要根据自己的特性进行针对性设计和优化，发挥出飞机本身的特性。感知的目的是寻找机器的特长并发挥出来，向人类学习并做得比人类更好。人类开车与机器开车在感知上的区别人类驾驶员开车主要借助眼睛、耳朵，辅助
2020-08-11 08:39:42
207
原创 Apllo进阶课程09- Apollo自定位动技术详解—百度无人车定位技术
Apollo自动定位技术详解—百度无人车定位技术定位的目的是让自动驾驶汽车找到自身确切位置的方法，可以说，定位导航技术是整个自动驾驶技术的核心。先进的无人车方案肯定不能完全基于RTK，百度Apollo系统使用了激光雷达、RTK与IMU融合的方案，多种传感器融合加上一个误差状态卡尔曼滤波器使得定位精度可以达到5-10厘米，且具备高可靠性和鲁棒性，达到了全球顶级水平。市区允许最高时速超过每小时60公里。百度自动驾驶使用的定位技术1.GNSS定位技术GNSS定位技术中最著名的是GPS。GPS最早是由美国
2020-08-11 08:34:51
832
原创 Apllo进阶课程08- Apollo自定位动技术——三维几何变换和坐标系介绍
Apollo自动定位技术——三维几何变换和坐标系介绍根据各个轴位置关系的不同，空间中的坐标系可以分为左手坐标系和右手坐标系。三维几何变换——旋转旋转是指在一个坐标系下，把一个点旋转到另一个位置的几何变换如上所示：将P旋转θ角到P’的位置,在二维坐标系下，由一个2×2的矩阵表示，如图中的R(θ)。点的旋转其实也可以理解为两个坐标系的一个旋转。对于三维而言，多了一个维度，可以用3×3矩阵来表示。分解来看，可以通过X轴Y轴Z轴分别去旋转，对应的分量分别是RX，RY和RZ。三维旋转矩阵可以由对应三个方
2020-08-11 08:29:25
483
原创 Apollo入门课程07-控制
控制控制简介控制是驱使车辆前行的策略。对于汽车而言，最基本的控制输入为转向、加速和制动。通常，控制器使用一系列路径点来接收轨迹。控制器的任务是使用控制输入让车辆通过这些路径点。基本控制输入有：转向、加速、制动控制器的任务：使用控制输入让车辆通过轨迹上的路径点控制的要求：准确性、可行性、平稳度控制流程控制器预计有两种输入：目标轨迹与车辆状态。目标轨迹来自规划模块，在每个轨迹点，规划模块指定一个位置和参考速度，在每个时间戳都对轨迹进行更新。车辆状态包括：通过本地化模块来计算的车辆位置、从车辆内
2020-07-18 20:12:00
272
原创 Apollo入门课程06-规划
规划规划简介规划的目标是寻找从A到B的最佳路线，分为路径规划和速度规划。Apollo在进行检索之前会将所得的地图数据转换成图像的格式，图像的格式中由节点和边缘两个部分组成。将空间转换成网格的形式，那么物体的移动可以看成从一个节点到另外一个节点的运动。路由当汽车向要从A点开到B点，我们需要输入三个数据：第一个是输入地图，Apollo提供的地图数据包括公路网和实时交通信息。第二是输入我们当前的位置，第三则是输入我们的目的地（取决于乘客）。有了这三个输入，路线规划就为寻找前往目的地的路径做好了准备。世界
2020-07-18 19:47:51
342
原创 Apollo入门课程05-预测
预测预测简介在车辆运行的过程中，存在很多正在发生变化的因素，比如行人和其他车辆的运动轨迹，无人驾驶车辆需要对这些运动的对象进行运动轨迹的预测，来实现更好的路线规划。车辆的预测需要具有实时性。不同的预测方式预测的两种方式分别是：基于模型，数据驱动。①基于模型：对观测的车辆进行可能做出的反应分类，并构建相对应的模型，对车辆的下一步行为进行预测。②数据驱动：基于机器学习模型，通过对大量的数据进行模型训练，最终得到准确的信息。基于车道的预测Apollo提供了一种叫基于车道序列的方法，建立车道序列，
2020-07-18 19:08:22
371
原创 Apollo入门课程04-感知
感知感知介绍感知是无人驾驶技术中十分重要的一环，一般可 以用静态摄像头和其他传感器来感知环境，需要 用到大量计算机视觉技术，这里最广泛使用的是 CNN卷积神经网络。计算机视觉计算机视觉是指计算机看待和理解世界的方式。感知任务有四个核心任务：1.检测：是指找出物体在环境中的位置2.分类：是指辨别出物体是什么3.跟踪：是指随时间的推移观察移动物体4.语义分割：将图像中的每个像素与语义类别进行匹配实现流程1.计算机接受类似摄像头等成像设备的输入2.对输入图像做预处理3.提取特征4.分
2020-07-18 18:56:14
450
原创 Apollo入门课程03-定位
定位定位介绍定位是让无人驾驶车知道自身确切位置的方法，这对于无人驾驶车来说非常重要。定位的任务时确定你的车辆在这张高精度地图上的位置，在日常生活中国我们会使用诸如GPS来查找我们的位置，但GPS不能够满足无人驾驶车的精准定位需求。因此我们必须找到另一种方法来更加准确的确定车辆在地图上的位置，最常用的方法是通过感知周围环境信息与地图数据匹配，从而精确定位——执行坐标系转换。过程：车辆将传感器识别的地标，与高精度地图上的地表进行对比，同时进行自身坐标系到地图坐标系的转换，最终精准进行厘米级定位如下将探
2020-07-18 18:30:11
329
原创 Apollo入门课程02-高精地图
高精度地图高精度地图概述高精度地图高精度地图是apollo的核心，其可以实现厘米级的误差而非传统地图米级的误差。作为机器人环境中的地理地图，相当于将环境配置成为同人类一样的感知状态下，但是由于机器人记忆力远超人类的记忆力，所以他们可以记住每一个车道标识，而且相当细节。这是人类无法做到的。高精度地图对于无人车的作用可分为两个大方面;一是定位，高精度地图能让车辆精准的知道自己所处的位置，所以无论你的车身处何地，他都能获取到自己的位置，同样你也可以实时了解到他的位置。二是预先规划，你可以利用高精度地图提
2020-07-18 18:08:20
326
原创 Apollo入门课程01-无人驾驶概览
无人驾驶概览Apollp开源平台的主要部分HD Maps——高精度地图Localization——定位Perceptioon——感知Perdiction——预测Planning——规划Control——控制1.高精度地图几乎支持着软件栈的所有其他模块，包括定位、感知、预测和规划。2.定位课程将讨论如何确定汽车所处的位置。汽车时利用激光和雷达数据，将这些感知内容通过与高精度地图得对比来确定此时的位置。这种对比使汽车能够以数厘米精度进行自定位。3.在感知课程中。我们将了解无人驾驶车如何感知
2020-07-18 17:49:36
336
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人