Autoware
文章平均质量分 57
秃头队长
机器人热爱者~欢迎进群交流学习!
展开
-
通俗易懂理解扩展卡尔曼滤波EKF用于多源传感器融合
1.Kalman Filters在跟踪一辆运行的车时,当σ\sigmaσ越小,表明确定因素越多。测量值更新使用贝叶斯规则,而预测是全概率公式,也是一种加权平均,他们之间通过高斯实现。假设我们已知先验告诉我们有辆车的位置分布如下黑色线所示,一个较宽的高斯分布,其均值为μ\muμ。而测量值信息告诉的车辆位置如蓝色线所示,其均值为vvv,测量值拥有更小的协方差。相比较,该例子中测量值所给出的位置信息更多。因此,利用先验和测量值信息,所得到的新的高斯分布如下,均指在两者之间,但相比较组成他的两个高斯分布原创 2021-03-10 17:18:53 · 5376 阅读 · 0 评论 -
mpc_local_planner 源码部分和以及在kinetic下使用
1原创 2020-10-10 11:26:56 · 5111 阅读 · 11 评论 -
GPS定位中WGS84转平面坐标,因区域不同导致无法使用。
由于采用的是 Japan rectangular coordinate system,所以在其他区域并不准确,于是借此机会重新推导一下高斯投影正算,重新写一下相关代码。首先要感谢一下本科张老师,虽然他看不到,哈哈哈!当初没好好学,现在还要再去问他。下面言归正传,首先从公式的推导开始。先明确一下相关参数及其关系:长半径:aaa短半径:bbb扁率:f=a−baf={a-b \over a}f=aa−b第一偏心率:e=a2−b2ae={\sqrt{a^2-b^2} \over a}e=aa2−b2原创 2020-09-21 23:08:37 · 877 阅读 · 1 评论 -
LMS151-10100单线激光雷达与RealSense双目相机的联合标定
一丶标定板的准备棋盘格规格使用A4纸大小,角点(图7中红色、绿色圆圈标记)数分别为8个及6个,单个棋盘格为0.024mm*0.024mm的正方形。将打印出的高清A4大小棋盘格粘贴在平整、坚硬的平面上。二丶SICK激光雷达的使用本次标定的激光雷达为LMS151-10100,首先在官网上下载SOPAS Engineering Tool,并安装LMS15x的SOPAS驱动SSD。安装完成后将Ethernet网线接入电脑,配置激光雷达的IP地址使其与电脑处于同一网段中,LMS的默认IP地址为192原创 2020-08-18 09:53:49 · 2275 阅读 · 0 评论 -
激光雷达和相机的联合标定(Camera-LiDAR Calibration)
一、总体标定步骤标定就是找到雷达到相机的空间转换关系,在不同的坐标系之间转换需要旋转矩阵 R 和平移矩阵 T,为后续的雷达和相机数据融合做准备:Camera-LIDAR 联合标定分为 2 步:相机内参标定雷达相机外参标定相机内参标定方法ROS Camera Calibration ToolsSLAM之相机标定外参标定:lidar_camera_calibrationlidar_camera_calibrationlidar_camera_calibration项目——激光转载 2020-08-14 16:40:48 · 7511 阅读 · 2 评论 -
Autoware 中的坐标系问题
首先在ROS中,常用的坐标系包括:map、odom、base_link、base_footprint、base_laser坐标系。map地图坐标系一般设该坐标系为固定坐标系(fixed frame),一般与机器人所在的世界坐标系一致。base_link机器人本体(基座)坐标系与机器人中心重合,坐标系原点一般为机器人的旋转中心。base_footprint坐标系原点为base_link原点在地面的投影,和base_link坐标系存在z轴上的位移。odom里程计坐标系这里要区分开odom top原创 2020-08-14 14:33:59 · 2215 阅读 · 0 评论 -
Autoware 开源框架车辆运动学建模推导
学习Autoware开源框架的资料整理,侵删!开源自动驾驶框架Autoware介绍Autoware包含以下模块:1.定位:通过结合GNSS和IMU传感器的3D地图和SLAM算法来实现定位2.检测:使用具有传感器融合算法和深度神经网络的摄像机以及LiDAR3.预测和规划:基于概率机器人技术和基于规则的系统,部分还使用深度神经网络4.控制:Autoware向车辆输出的速度和角速度的扭曲量以上四个模块覆盖了自动驾驶的技术流程:感知层 – 预测及规划层 – 控制层Autoware框架:浅析Ap.原创 2020-08-13 08:48:28 · 1656 阅读 · 0 评论 -
QP优化方法(凸优化问题)
QP问题为二次规划问题:minimize:12xTP0x+q0Tx+r0minimize:{1 \over 2}x^TP_0x+q_0^Tx+r_0minimize:21xTP0x+q0Tx+r0subjcetto:q0Tx+r0≤0,i=1,2...msubjcet to: q_0^Tx+r_0 \leq 0,i=1,2...msubjcetto:q0Tx+r0≤0,i=1,2...mAx=bAx=bAx=bP0∈S+n,i=0,1...m,A∈Rp×nP_0 \in S_+^n,i=0,1.原创 2020-08-11 10:42:28 · 6858 阅读 · 1 评论