- 博客(21)
- 收藏
- 关注
RSS订阅原创 无人驾驶实践进阶——感知
无人驾驶实践进阶——感知问题1序目录感知概况传感器和标定感知算法点云感知视觉感知神经网络CNN后处理红绿灯Ultrosonic感知问题2机器学习感知的未来
2020-08-18 01:12:42
184
原创 Apollo实践——定位配置
Apollo实践——定位配置系统系统基本原理测量原理为三角测量广泛应用RTK差分技术，可达到厘米级别定位系统车辆杆壁值硬件配置信息配置M2串口通信软件cutecom基础配置其他配置网口配置基站配置杆臂值配置断电重启，配置生效软件内配置信息配置基站信息修改杆臂值修改定位配置实测验证...
2020-08-13 00:58:34
513
1
原创 Apollo实践——软件部分
Apollo自动驾驶进阶——概览BOIS 设置Advanced-风扇转速Power-电池软件安装Ubuntu操作系统选择Ubuntu14.04LTS，在工控机安装，重启安装linux内核，重启安装Apollo内核，重启安装GPU驱动，重启安装CAN卡驱动，有两种（ESD-CAN、ESD-CAN：...
2020-08-13 00:58:07
124
原创 Apollo实践——硬件部分
目录Apollo实践——硬件部分硬件选型车辆选型低成本开发套件硬件系统计算单元定位系统CAN卡其他硬件硬件连接数据接口硬件安装CAN卡安装与要求工控机安装到车辆底盘定位硬件安装GPS接收机和IMU安装4G路由器通信接口相连Apollo实践——硬件部分硬件选型车辆选型能够满足线控要求的车辆，包括乘用车，园区接驳车，低速园区物流车等低成本开发套件限定区域低速场景自动驾驶功能能够实现自动驾驶循迹、限定区域感知闭环自动驾驶等硬件系统计算单元要求算力强大，速度快，全天候正常工作选型：定
2020-08-13 00:57:45
445
原创 无人驾驶实践进阶——规划
无人驾驶实践进阶——规划决策规划概述运动规划(Motion Planning)规划问题的本质是一个搜索问题，找一个最优解具体来说，给定无人车的当前状态，寻找无人车Move的最优解在机器学习中，可以被定义为一个寻找mapping(映射)的过程，寻找一个行为action去映射状态state涉及范围：机器人、控制、人工智能等分为全局规划(Fully observed)，部分规划(Partial observed)路径规划举例广度优先一圈一圈逐渐扩展，计算量大A*算法带有infomati
2020-08-08 18:05:59
641
原创 无人驾驶实践进阶——高精地图
文章目录无人驾驶实践进阶——高精地图高精地图应用场合高精地图概述定义及要求与导航地图区别与其他模块间关系核心模块定位模块感知模块规划、预测、决策模块安全模块仿真系统高精地图作用静态的Perception弥补系统性的缺陷高精地图的采集生产高精地图采集计算模型制图高精地图格式规范NDSOpenDRIVE业界的高精地图HERE地图：无人驾驶实践进阶——高精地图高精地图应用场合下图0-6为自动驾驶六个等级L3以下不需要高精度地图高精地图概述定义及要求无准确定义与导航地图区别与其他模块间关系
2020-07-25 14:47:23
1446
原创 无人驾驶实践进阶——Apollo硬件开发平台
无人驾驶实践进阶——Apollo硬件开发平台职业三大块分析规划产品设计产品运营事故分析可能原因：自动驾驶研发流程软件在环、硬件在环、车辆在环和司机在环自动驾驶的硬件系统主要分为：感知、决策和控制三大块自动驾驶核心传感器ISP：图像处理器双目：通过两图像的视觉差进行计算激光雷达：ToF，利用光发射到APD到接受计算，根据扫描原理分为同轴旋转、棱镜旋转、MEMS、OPA相控阵和Flash等，还可用于地图测绘毫米波雷达：利用发射的电磁波观察回波的摄入差异，主要有24G和77G（
2020-07-21 15:03:11
979
原创 无人驾驶实践进阶——Apollo开源模块
无人驾驶实践入门——Apollo开源模块涉及到的高科技技术：高性能处理器高精度传感器（激光雷达）线控云端监控人工智能高精地图：地图生成步骤定位到车道线级别定位：激光雷达：优点：距离判断精准缺点：对环境要求高（纳米级别）昂贵雷达：优点：速度判断精准缺点：静态物体误报比较多摄像头：优点：可以看到颜色缺点：无法判断距离传感器融合目的：避免单独传感器的局限性规划避障仿真...
2020-07-20 23:43:45
677
原创 无人驾驶实践进阶——概述
无人驾驶实践进阶——概述四句金句：开放能力共享资源加速创新合作共赢驾驶工具发展：发展方向：共享出行新能源汽车自动驾驶无人驾驶有什么用：93%由于人类原因造成交通事故，无人驾驶技术成熟后更安全道路使用效率会提高，道路拥挤减小分级：L0：自己开车L1：纵向控制L2：横向+纵向控制（辅助）L3：小部分时间车全权掌控（一定条件下）L4：全无人驾驶（绝大部分场景）L5：驾驶完全脱离人类（无方向盘等）无人驾驶发展历程：无人驾驶投资现状：行业现状：资金多行业价值高
2020-07-19 23:18:11
253
原创 无人驾驶实践入门——控制
无人驾驶实践入门——控制定义：驱使车辆前行的策略基本控制输入：转向、加速和制动控制要求：使控制输入经过拟合的路径点控制策略对汽车具有可行性平稳度三种控制策略：比例积分微分控制（PID）线性二次调节器（LQR）模型预测控制（MPC）控制器输入：目标轨迹，来自规划模块车辆状态，来自本地化模块控制器输出：控制输入（转向、加速和制动）的值PID控制组成：比例P积分I微分D特点：简单多数情况下效果良好线性算法，不适用于非常复杂的系统依赖实时测量误差线性二次调节器
2020-07-18 16:05:49
605
1
原创 无人驾驶实践入门——规划
无人驾驶实践入门——规划规划方法：通过结合高精度地图、定位和预测来构建车辆轨迹步骤：路线导航轨迹规划规划目标：找到地图上A前往B的最佳路径三个输入：地图当前地图的位置目的地查找路线的方法：将地图格式化为由“节点”和“边缘”组成的“图形”数据结构，之后采用搜索算法路径查找算法A*：计算开始节点到候选节点的成本估计候选节点前往目的地的成本对每一个候选节点通过添加g值和h值来计算总和(g:起始点到候选节点成本，h:候选节点到目的地的估计成本)轨迹生成目标：生成由一系
2020-07-18 15:18:17
336
原创 无人驾驶实践入门——预测
无人驾驶实践入门——预测预测对象：动态物体预测方法：生成一条路径预测物体行为预测要求：实时性准确性能够学习新行为，面对复杂情况两种不同预测方式：基于模型的预测：构建候选模型，通过分析选择预测结果直观性好，模仿了人类行为数据驱动预测：使用机器学习，通过观察结果实现预测训练数据越多，训练效果越好车道预测预测方法：车道序列方法预测原理：将车辆行为划分为有限的模式组合，将这些模式组合描述为车道序列物体状态考虑内容：物体到车道线的间距，时间间隔状态信息等目标车道预测
2020-07-18 13:40:31
345
原创 无人驾驶实践入门——感知
无人驾驶实践入门——感知计算机视觉：最常用CNN卷积神经网络四个核心任务：检测分类跟踪语义分割图像分类器：捕获图像—>预处理—>提取特征—>分类
2020-07-18 02:13:06
397
原创 无人驾驶实践入门——定位
无人驾驶实践入门——定位定位的任务：确定你的车辆在这张高精度地图上的位置现有GPS定位1~3米，特殊情况精度更低，不能满足自动驾驶需求。解决方案：通过传感器比对地图内容，测量与静态障碍物之间距离来精确定位位置。坐标系问题：车辆坐标应与地图坐标间进行转换。最终至少实现10cm的定位精度。常见无人驾驶定位方法：GNSSRTK惯性导航LiDAR定位视觉定位举例：野外迷路，你会怎么做？通过静态地标定位，通过地图确定位置，该方案成为三角测量。这就是GPS定位(全球定位系统)的原理
2020-07-17 16:36:36
1313
原创 无人驾驶实践入门——高精地图
无人驾驶实践入门——高精地图机器优点：记忆力强作用：定位预先规划包含内容：最重要的道路精确三位表征语义信息最重要特征之一：精确(厘米级别)搜索内容涉及技术：预处理、坐标变换、数据融合感知：传感器探测能力距离有限、夜间或糟糕环境、障碍物可利于高精地图提供其余信息可帮助传感器缩小检测范围(ROI)规划：帮助找到合适行车空间确定不同的路线选择帮助软件预测其他车辆位置提前查看限速等信息减小检测范围辅助功能：提供信息以减小计算需求提供环境信息保障行车安全格式共享：
2020-07-17 00:30:52
449
原创 无人驾驶实践入门——概述
无人驾驶导论入门——概述普通人与自动驾驶优缺点：Human:High Traffic Accident RateLearn to Drive From ScratchParking TroubleSelf-Driving Car:More Reliable DrivingLearnable Driving SystemNo Parking Trouble分级：Level 1(Driver Assistance):Driver Fully EngagedLevel 2(P
2020-07-16 23:16:15
698
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