Apolllo
miracle_56
这个作者很懒,什么都没留下…
展开
-
Apollo进阶课程[6]——ROS介绍
背景介绍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。什么是ROS?开发工具包:完整的包管理和工程结构、庞大的基础库、多语言接口支持计算调度模型:消息驱动的异步运行模型、抽象的P2P通信接口、自定义的消息格式调试工具:可视化的调试工具、消息查看、存储、回放工具ROS原创 2020-07-30 17:44:06 · 602 阅读 · 0 评论 -
Apollo进阶课程[5]——规划技术3
Understand More on the MP Difficulty优化问题的三个方面:目标函数、约束条件和求解方法。约束限制分为硬约束和软约束,例如交通规则属于硬约束。EM规划框架eg.如图当前情况:在蓝线和红线交点处发现前方有车辆行驶缓慢,可能要进行换道处理。EM规划框架:对换道和继续在本车道行驶分别规划出一条轨迹,只有换道之后的轨迹要比本车道的轨迹好的情况下才换道。Reference Line Decider:决定哪个道比较好的模块,其中中间并行计算模块是由Path Speed I原创 2020-07-29 20:52:57 · 417 阅读 · 0 评论 -
Apollo进阶课程[5]——Optimization Inside Motion Planning
约束问题的核心:目标函数的定义,目标函数比较清晰,对于后面的求解更有帮助。约束,比如路网约束、交规、动态约束等。约束问题的优化,比如动态规划、二次规划等。动态规划是在从动力系统中出来,通过类似于有限元的方式,把问题从连续空间抽象成离散空间,然后在离散空间中通过aggregating的方式将重复计算进行简化。这种方法可以逼近连续空间中的最优解,但是计算复杂度很高。牛顿法:考虑斜率的变化率进行收敛,利用泰勒展开的二次项逼近函数 ,它的收敛次数是指数平方,也叫二次收敛。牛顿法要求 locally c原创 2020-07-28 21:05:02 · 210 阅读 · 0 评论 -
Apollo进阶课程[5]——motion planning with environment
运动规划的环境变化运动规划根据环境的变化在算法和处理方法上有很大的不同,涉及到模型建立、平滑优化和坐标转换以及障碍物投影等。原创 2020-07-27 20:10:22 · 560 阅读 · 0 评论 -
Apollo进阶课程[[5]——规划技术1
basic motion planning and overview什么是规划问题?规划问题本质上是一个搜索问题,即对一个给定的函数,寻找最优解。相对于无人车而言,规划问题就是给定现在的状态,找到无人车移动的最优解。通常最优解目标函数F(x)定义。从内容考虑,规划问题涉及三个领域,不同的领域对问题的理解不同。机器人领域:规划就是如何产生轨迹以完成目标,涉及RRT, A*,D* lite,Lattice Planning等。控制理论领域:规划理解为到达目标状态的动态系统,涉及MPC, LQR等原创 2020-07-26 19:33:39 · 473 阅读 · 0 评论 -
Apollo进阶课程[4]——百度Apollo高精度地图3
Apollo地图采集方案硬件:64线激光雷达平装,用于采集道路路面,16线激光雷达斜向上装,用于检测比较高处的红绿灯和标牌信息等。还有GPS(采用的是RTK)、IMU、长短焦相机。进行采集数据前需要保证传感器可以工作而且传感器已被标定过。如相机内外参数不一致会导致采集的数据不准确。不同厂商的激光雷达地面点的反射值不一样。RTK方案提供更高的精度。原理:观测站(无遮挡情况)通过在某个位置长时间地进行定点观测计算,数据非常准确,静态站点。车辆(无遮挡情况)作为动态站点,通过载波信号的差分得到厘米级的原创 2020-07-25 17:47:52 · 1094 阅读 · 0 评论 -
Apollo进阶课程[4]——百度Apollo高精度地图1
HD Map与自动驾驶的关系用于L3/L4级别的HD Map对道路描述更加准确清晰全面,除了由传统地图的道路级别和道路级别的连接关系(HD Map的采集与生产HD Map的格式与规范原创 2020-07-23 19:21:30 · 889 阅读 · 0 评论 -
Apollo进阶课程[3]——Apollo定位技术
无人车车辆自定位技术入门与应用技术入门相对某个坐标系,需要知道无人车的位置和姿态。位置和姿态分别有三个自由度:位置:XYZ姿态:三个方向的旋转,航向(Yaw)、俯仰(Pitch)、横滚(Roll),一般用欧拉角表示。如果本地坐标系已经定义好,现在有一个车上的坐标系,它相对于本地坐标系的变化(即姿态的变化),就可用三个角度来表示,也就是本地坐标系的三个轴和相对坐标系的这三个轴之间的夹角。速度、加速度和角速度等信息用于路径规划及车辆控制。加速度和角速度是相对于车体本身的,告知车辆当时瞬时的加原创 2020-07-22 19:13:12 · 1595 阅读 · 0 评论 -
Apollo进阶课程[2]——Apollo硬件开发平台
“安全是自动驾驶的第一天条”自动驾驶车的研发流程四个步骤:软件在环:基于仿真和模拟。硬件在环:基于必要的硬件平台。车辆在环:基于车辆执行,在封闭场地。司机在环:基于实际道路。研究人-车-路-交通几个参与物之间的相互作用。自动驾驶车的硬件系统要考虑到人的因素。三大系统:感知、决策、控制。系统的具体硬件架构如下:速度传感器:涉及汽车的被动安全,如发生汽车碰撞时,通过速度传感器给出减速的信号,执行安全气囊的弹出。角度传感器:做车辆包括车道线偏离这种自动驾驶时通过角度传感器判断当前车行进原创 2020-07-21 16:46:58 · 577 阅读 · 0 评论 -
Apollo进阶课程[1]——Apollo开源模块讲解2&3
Apollo开源模块讲解2安全方面ISO-26262是一个非常复杂、非常结构化的行业标准。不是强制法律。eg.如果一个硬件达到了ASIL D级别的要求,那么它的故障率是10 fit(Failures In Time, in one billion device-hours of operation),1fit是一个billion hour里面出一次故障,即十亿个小时出一次故障。无人驾驶无法实现。从英文来讲,安全有两个词:Safety和Security。ISO-26262将其分开,它包括functi原创 2020-07-20 16:19:36 · 589 阅读 · 0 评论 -
Apollo进阶课程[1]——Apollo开源模块讲解1
开源模块讲解1无人驾驶车一定是By-wire system ready(摆外线控)。线控(by-wire),就是说车是能被电脑控制的。车的方向盘和轮子之间是有一层电机连接的,方向盘传动到电机上,然后电机去控制车轮。电脑可以通过控制电机的方式来控制车轮。无人驾驶车需要强劲的处理器处理大量数据。需要与云端连接,告诉云端它的位置以及行驶规划。HD MapHD Map需要做到车道线级别,不光要知道在哪条路上,还需要知道在这个路的哪条车道线上,因为只有这样才能准确地告诉无人驾驶车应该在哪个车道行驶,接下来应原创 2020-07-19 20:39:32 · 373 阅读 · 0 评论 -
Apollo进阶课程[1]——自动驾驶行业概述
自动驾驶行业概述共享出行:汽车的利用率不高,车子95%的时间依然空置。停车位占据了24%的城市空间新能源汽车:新能源汽车不光是行业的趋势、国际化的趋势,也是中国重要的发展趋势和方向。新能源汽车为我们提供了一个弯道超车的机会。人一分钟可以处理30-100信息量,无人驾驶车可以处理3000左右信息量。其车载系统信息处理的速度和数量远高于人类。无人驾驶汽车的传感器对车身进行了360度的包裹,避免了视觉盲区。无人驾驶汽车会对行驶轨迹提前进行规划,并用最高效的方式处理加速减速。更安全,减少道路拥挤(提高约45%原创 2020-07-19 17:38:35 · 402 阅读 · 0 评论 -
Apollo入门课程[2]——高精度地图
HD Map简介地图:定位预先规划高精度地图包含大量的驾驶辅助信息,最重要的信息是道路网的精确三维表征,如交叉路口布局和坐标位置。还有很多语义信息,如交通灯上不同颜色的含义、左转车道开始的位置。高精度地图最重要的特征之一是精度。手机的导航地图只能到米,而高精度地图需要能够达到厘米级别。地图与定位、感知与规划的关系有了HD Map,就需要在Map上自定位。这意味着需要明白我们在地图上的位置。首先,车辆寻找地标,可以使用从各类传感器收集到的数据,如摄像机图像数据,以及激光雷达收集的三维点云原创 2020-07-17 21:50:45 · 353 阅读 · 0 评论 -
Apollo入门课程[7]——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。控制器使用一系列路径点来接收轨迹,其任务是使用控制输入,让车辆通过这些路径点。控制器要求:准确:避免偏离目标轨迹,利于安全控制策略要可行平稳度:舒服,驱动必须连续,避免突然转向、加速、制动控制策略:比例积分微分控制(或PID)线性二次调节器(或LQR)模型预测控制(或MPC)控制流程控制器预计的两种输入,用此来计算目标轨迹与实际行进轨迹的偏差目标轨迹:规划模块车辆状态控制器的输出是控原创 2020-07-17 21:25:50 · 504 阅读 · 0 评论 -
Apollo入门课程[6]——规划
规划简介在规划中,我们通过结合HD Map,定位和预测来构建车辆轨迹,规划的第一步是路线导航,侧重于如何从地图上的A前往B,在进行路线规划时,将地图数据作为输入并输出可行驶路径。在Apollo中通过路径规划模块处理该任务。轨迹规划的目标是生成免碰撞和舒适的可执行轨迹,该轨迹由一系列点定义,每个点都有一个关联速度,和一个指示何时应抵达那个点的时间戳。路由路线规划的目标是找到从地图上的A前往B的最佳路径,路线规划使用了三个输入:第一个输入为地图,Apollo提供的地图数据包括公路网和实时交通信息。原创 2020-07-17 20:24:39 · 568 阅读 · 0 评论 -
Apollo入门课程[1]——概览
概览无人驾驶等级划分0级:驾驶员是驾驶系统唯一决策者。1级:驾驶员辅助(driver assistance),车辆为驾驶员提供转向或加速支持。2级:部分自动化(partial automation),车辆可自动进行部分功能,如自动巡航控制和车道保持。3级:有条件的自动化(conditional automation),车辆自主驾驶但驾驶员需在特定情形下接管控制。4级:高度自动化(no human interference),车辆完全控制车辆,并不期望驾驶员予以控制。但存在“地理围栏”(geofe原创 2020-07-17 20:13:42 · 148 阅读 · 0 评论 -
Apollo入门课程[5]——预测
文章目录预测简介不同的预测方式基于车道的预测障碍物状态预测目标车道递归神经网络轨迹生成预测简介无人驾驶车需要预测物体的行为确保做出最佳决策。通过生成一条路径来预测一个物体的行为。预测路径有实时性和准确性的要求:实时性是指我们想要算法的延迟越短越好准确性需要我们做出的预测尽可能保持准确。预测模块应该能够学习新的行为,当路上有很多车辆,情况将变得复杂,开发出每种场景的静态模型是不可能完成的任务,这就是为什么需要当遇到这样的问题时,预测模块能够学习新的行为,这可以使算法随着时间的推移而提升预测能力原创 2020-07-17 17:45:55 · 379 阅读 · 0 评论 -
Apollo入门课程[4]——感知
文章目录感知计算机视觉感知感知周围环境,需要计算机视觉技术。计算机视觉:计算机看待和理解世界的方式。最常用的是CNN(卷积神经网络)计算机视觉无人驾驶四大感知世界的任务:检测:找出物体在环境中的位置分类:明确对象是什么跟踪:随时间的推移观察移动物体语义分割:将图像中每个像素与语义类别进行匹配图像分类器将图像作为输入,输出标识该图像的标签或“类别”。流程:输入...原创 2020-07-16 23:17:44 · 363 阅读 · 0 评论 -
Apollo入门课程[3]——定位
文章目录定位简介GNSSRTK惯性导航激光雷达定位视觉定位Apollo定位定位简介用于确定车辆在HD Map上的位置。车辆将其传感器识别的地标与其HD Map存在的地标进行对比,在此前需要将自身的坐标系和地图的坐标系之间转换数据。精度要在cm级。GNSSRTK三角测量:GPS:GNSS系统,分为三部分:卫星、控制站(用于监视和控制卫星,让系统保持运行,验证GPS广播信号的精确度)、GPS接收器(环境条件好的情况下,每次至少检测到四颗GPS卫星)GPS接收器不会直接探测目标和卫星之间的距离原创 2020-07-16 17:30:55 · 311 阅读 · 0 评论