- 博客(32)
- 收藏
- 关注
RSS订阅
原创 Markdown Notes
line1line2line1line2line1line2ItalicsItalicsBoldBoldItalics and BoldItalics and BoldUnderlineFootnote1orornot the same blockLink Namehttps://arxiv.org/list/cs.RO/recent[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-H1ZJieHq-1679571854788)(http://static.r
2023-03-23 19:46:15
100
原创 Linux 桌面快捷方式创建
假设要创建的应用名称为XXXcd /use/share/applicationssudo touch XXX.desktopsudo gedit XXX.desktop填写:[Desktop Entry]Encoding=UTF-8Name=XXXComment=XXX-2022.3.28Exec= ！！！改为可执行文件的路径Icon=！！！改为应用图片的路径Categories=Application;Development;Java;IDEVersion=2022.
2022-03-28 20:51:56
156
原创 ORB_SLAM2 安装记录
Content1: 安装常规工具2: 安装Pangolin3: 安装Opencv3.1 安装依赖3.2 下载Opencv源码3.3 编译安装3.4 环境编译安装4: 安装ORB_SLAM25: 报错与解决5.1 ORB_SLAM2: cannot find -lEigen3::Eigen5.2 ORB_SLAM2: ‘usleep’ was not declared in this scope5.3 Opencv: dynlink_nvcuvid.h: No such file or directory1
2022-03-25 14:18:57
4701
翻译 Intel RealSense D455(D400系列) Linux-ROS 安装配置
ContentPart_1: 安装librealsense SDK2.01.1 注册密钥1.2 添加服务器地址1.3 安装库1.4 打开显示界面验证1.5 再次验证Part_2: 安装realsense-ros2.1 创建ROS工作空间2.2 克隆源码包2.3 初始化工作空间2.4 安装源码2.5 添加路径到工作环境2.6 验证安装是否成功Part_1: 安装librealsense SDK2.0官方源码地址官方Linux安装教程1.1 注册密钥sudo apt-key adv --keyserv
2022-03-23 15:38:47
2790
3
原创 [ROS] package.xml
一、package.xml作用：定义package的特性，如包名称(package name)，版本号(version numbers)，作者(authors)，维护者(maintainers)和对其他包的依赖(dependencies)。二、package.xml格式：1. 基本结构：</package format="2"></package>2. 必要标签：<name>, <version>, <description>,
2022-02-23 16:09:47
696
1
原创 P1_M5_L2 Feedforward Speed Control（前馈速度速度）
Content1. Combine Feedforward and feedback control（集成前馈和反馈控制）1.1 Feedforward vs Feedback1.2 Feedforward && Feedback1.3 前馈反馈组合控制车速1. Combine Feedforward and feedback control（集成前馈和反馈控制）1.1 Feedforward vs Feedback前馈——开环反馈——闭环1.2 Feedforwar
2021-09-10 16:38:42
740
原创 P1_M5_L2 Longitudinal Speed Control with PID（用PID控制纵向速度）
Content1. Longitudinal Speed Control （纵向速度控制）1.1 速度纵向控制流程1.2 高级控制器1.3 低级控制器1. Longitudinal Speed Control （纵向速度控制）1.1 速度纵向控制流程高级控制器： 输入给定速度和实际偏差；输出车辆需要的加速度值。低级控制器： 输入加速度值；输出实际控制行为如油门、脚刹。1.2 高级控制器使用PID算法计算出加速度值。注意：这里微分和积分项为连续变量，但实际上为离散的，这就需要用到离散值微积分的
2021-09-10 15:57:18
379
原创 P1_M5_L1 Proportional-Integral-Derivative(PID) Control（比例-积分-微分：PID控制）
Content1. Linear time-incariant (LTI) control （线性时不变控制）1.1 汽车控制概述1.2 线性时不变系统1.3 常见的反馈系统2. PID Control（PID控制）2.1 PID控制基本形式2.2 PID对应参数的调节效果2.3 举例：二阶系统（重物弹簧阻尼系统）1. Linear time-incariant (LTI) control （线性时不变控制）1.1 汽车控制概述 当我们看到一辆无人驾驶汽车在拐弯时，我们会疑惑它是怎么做到的，下面就说
2021-09-10 11:21:15
738
原创 P1_M4_L7 Tire Slip and Modeling（轮胎滑移和建模）
Content1. Tire Slip （轮胎滑移）1.1 Slip Angle（滑移角度）1.1.1 Vehicle Slip Angle（车辆滑移角度）1.1.2 Tire Slip Angle（车轮滑移角度）1.2 Slip Ratio（滑移率）2. Tire Modeling（轮胎建模）2.1 输入与输出2.2 常见轮胎模型2.2.1 Analytical Model（分析模型）2.2.2 Numerical Modeling（数值模型）2.2.3 Parameterized Modeling（参数
2021-07-16 20:36:42
3264
3
原创 P1_M4_L6 Vehicle Actuation（车辆驱动）
Content1. Vehicle Actuation（车辆驱动）1.1 Steering（转弯）1.2 Throttling（油门）1.3 Braking（刹车）1.4 油门和刹车一起作用1. Vehicle Actuation（车辆驱动）车辆驱动也就是改变车辆运动的因素，我们需要了解驾驶员如何控制车辆，才能使得控制器更好的控制自动驾驶车辆。驾驶员一般是这样操作（自动档）车辆运动的：方向盘(steering)、油门(throttling)、刹车(braking)。与前面介绍的横向和纵向动力
2021-07-15 22:10:24
229
原创 P1_M4_L5 Lateral Dynamic Bicycle Model（自行车模型的横向动力学建模）
Content1. Industry perspectives on self driving safety（业界对自动驾驶安全的看法）1. Industry perspectives on self driving safety（业界对自动驾驶安全的看法）
2021-07-15 22:08:46
2010
原创 P1_M4_L4 Longitudinal Vehicle Model（车辆纵向动力学建模）
Content1. Longitudinal Vehicle Model（车辆纵向动力学建模）1.1 纵向动力学模型受力分析1.2 纵向动力学模型简化2. 纵向主动力建模2.1 纵向主动力模型结构性分析2.2 纵向主动力模型动力学分析3. 纵向阻力建模4. 最终动力学简化总和1. Longitudinal Vehicle Model（车辆纵向动力学建模）1.1 纵向动力学模型受力分析相关参数： 前后轮主动力、前后轮阻力、空气阻力、斜坡所致的重力分量。1.2 纵向动力学模型简化（1）原始
2021-07-03 11:28:05
5044
原创 P1_M4_L3 Basic Dynamic Modeling in 2D（基本的2D动力学模型）
Content1. Process of Dynamic Modeling（动力学建模过程）1. Process of Dynamic Modeling（动力学建模过程）（1）确定坐标系。（2）将系统分解为集中的动力学元素。例如在弹簧质量阻尼器中，集中的动态元素是弹簧(spring)、质量(mass)和阻尼器(damper)。对于每一个动态元素，会定义一些相关的特性，例如弹簧有力和位移呈线性关系的特点。（3）表示出每个刚体的自由运动图，并命名所有元素和他们的力(force)和力矩(moment)。
2021-07-03 11:27:22
294
原创 P1_M4_L2 The Kinematic Single-Track Model（单轨运动学模型）
Content运动学单轨模型：1. 模型解释：2. 符号意义：3. 速度的表示：4. 车辆参数表示：5. 模型特性：运动学单轨模型：1. 模型解释：假设车辆由两个轮子和中间的刚体连接；轮子与地面不产生滑动，但两个都可以绕其轴滚动；同时只有前面的轮子可以绕垂直于平面的旋转轴转动。（事实上就是一辆自动车，如果没有纵向移动就不能进行横向移动。同时，也提醒你不要买车，有两辆自行车就可以拼成一辆法拉利。。。）2. 符号意义：f ：front wheel（前轮）r ：rear wheel（后轮）p⃗\v
2021-07-02 21:10:22
2880
1
原创 P1_M4_L1 Kinematic Modeling in 2D（2D运动学模型）
Content1. Kinematic Model and Dynamic Model（运动学模型和动力学模型）2. Coordinate Frames（坐标系）2.1 General Coordinate Frames（常用坐标系）2.2 Coordinate Transformation（坐标变换）3. 2D Kinematic Modeling（2D运动学模型）3.1 模型特点3.2 模型表达3.3 基于实际机器人的表达式转换1. Kinematic Model and Dynamic Model（
2021-07-02 21:07:01
504
原创 P1_M3_L3 Safety Frameworks for Self Driving（自动驾驶安全框架）
Content1. Generic Safety Frameworks（常用的安全框架）1.1 Fault Trees（故障树）1.2 FMEA（故障模式与理象分析）1.3 HAZOP（危险与可操作性分析）2. Autonomous Safety Frameworks（自动化的安全框架）1. Generic Safety Frameworks（常用的安全框架）常用的安全框架有三种：Fault Trees（故障树）、FMEA（故障模式与理象分析）、 HAZOP（危险与可操作性分析）1.1 Faul
2021-07-02 16:31:17
314
原创 P1_M3_L2 Industry Methods for Safety Assurance and Testing（业界用于测试和确保安全的方法）
Content1. Industry perspectives on self driving safety（业界对自动驾驶安全的看法）1.1 Waymo Safety Perspective1.1.1 Safety Level（安全等级）1.1.2 Safety Processes（确保安全的过程）1.1.2 Levels of testing to ensure safety（确保安全的测试等级）1.1 GM（General Motors,通用汽车公司）Safety Perspective1. Ind
2021-07-02 16:30:46
226
原创 P1_M3_L1 Safety Assurance for Self Driving（自动驾驶的安全保证）
Content1. Autonomous driving crashes（自动驾驶事故报道）2. Basic definitions（基本定义）3. Major hazard sources（主要的危险来源）4. Safety Frameworkof NHTSA（国家公路交通安全管理局的安全框架）1. Autonomous driving crashes（自动驾驶事故报道）这一部分介绍了2017、2018年的几场事故。意在表达驾驶环境的复杂和可能出现的情况非常多样。 2. Basic de
2021-07-02 16:29:55
210
原创 P1_M2_L4 Environment Representation（环境表示）
这一节始对前面三种地图更进一步的介绍。Content1. Localization Map（定位地图）2. Occupancy Grid Map （占据栅格地图）3. Detailed Road Map（细节道路地图）4. 三种地图总结：1. Localization Map（定位地图）定位地图的合成主要来源于LIDAR和Camera的数据，进过滤波生成一个环境的点云图（这个三维点云图的数据可能会非常大，也就是定位地图）；然后将此地图与感知层中GPS、IMU、Wheel Odometry的数据融合起来
2021-07-01 17:25:42
210
原创 P1_M2_L3 Software Architecture（软件构架）
Content1. The basic architecture of a self-driving software system（自动驾驶软件系统的基本架构）1.1.1 Emergency Stop（紧急制动）1. The basic architecture of a self-driving software system（自动驾驶软件系统的基本架构）五个部分： • Environment Perception （环境感知） • Environment Mapping（环境建图）
2021-07-01 17:24:25
264
原创 P1_M2_L2 Hardware Configuration Design（设计硬件配置）
Content1. Sensor coverage requirements for different scenarios（不同场景下传感器的覆盖要求）1.1 Highway driving（高速公路）1.1.1 Emergency Stop（紧急制动）1.1.2 Maintain Speed（保持车速）1.1.3 Lane Change（变道）1.2 Urban driving（城市）1.2.1 Overtaking（超车）1.2.2 Turning, crossing at intersections
2021-06-30 08:55:09
218
原创 P1_M2_L1 Sensors and Computing Hardware（传感器和运算的硬件）
Content1.Sensors for perception（用于感知的传感器）1.1 Categorization（分类）1.2 Exteroceptive（感受外界的）1.2.1 Camer（相机）1.2.2 LIDAR（激光雷达）1.2.3 RADAR（雷达）1.2.4 Ultrasonic Sensor（超声波传感器）1.3 Proprioceptive（感受本体的）1.3.1 GNSS（全球导航卫星系统）1.3.2 IMU（惯性测量单元）1.3.3 Wheel Odomotry（轮式编码器）2.
2021-06-30 08:52:07
325
原创 P1_M1_L3 Driving Decisions and Actions（驾驶决策和行为）
Content1.Types of Decisions（决策的分类）(1) Long term（长期决策）(2) Short term（短期决策）(3) Imediate（瞬间决策）2.Types of Planning（规划的分类）(1) Reactive Planning（无功规划）：(2) Predictive Planning（预测性规划）：1.Types of Decisions（决策的分类）根据决策的作用时间长短，把决策分为长期决策(long term)、短期决策(short term)、瞬
2021-06-28 20:03:45
296
原创 P1_M1_L2 Requirements for Perception（感知的要求）
Content1.Definition of Perception（感知的定义）2.Goals for Perception（感知的对象）(1) Static objects（静态物体）(2) Dynamic objects（动态物体）3.Challenges to perception（感知面对的挑战）1.Definition of Perception（感知的定义）对于驾驶员而言，最重要的事情是时刻知道自己所处的环境以及环境的状况，通常我们是通过眼睛、耳朵去感知的。自动驾驶中的感知：获取周围的环境
2021-06-28 19:03:03
224
原创 P1_M1_L1 Taxonomy of Driving（自动驾驶分类）
目录1.Basic definitions（基本定义）(1) Driving Task（驾驶任务）(2) Operational Design Domain(ODD) (设计适用域）2.How to classify driving system automation（如何分类自动驾驶系统）(1) Driver attention requirements（根据对驾驶员的注意力要求）(2) Driver action requirements（根据对驾驶员的驾驶操作要求）3.The driving task
2021-06-27 22:29:29
716
原创 Vins_estimator代码学习记录
1.feature management代码解读：https://www.freesion.com/article/5873385536/
2021-04-09 22:09:59
117
原创 feature_tracker部分重点摘录
feature_tracker函数作用框架分析：https://blog.csdn.net/wangshuailpp/article/details/78719401一、三个重要的部分：feature_tracker_node是特征跟踪线程的系统入口，feature_tracker是特征跟踪算法的具体实现，parameters是设备等参数的读取和存放。1.feature_tracker重要函数的分析：2.feature_tracker_node重要函数的分析：img_callback：接收了
2021-04-09 22:09:22
105
原创 SLAM学习资料记录
理论知识：1.四元数：https://www.qiujiawei.com/understanding-quaternions/https://krasjet.github.io/quaternion/quaternion.pdf2.欧拉角：https://www.zhihu.com/question/47736315VINS-MONO理解：1.论文翻译：https://blog.csdn.net/qq_41839222/article/details/85683373...
2021-04-09 22:07:43
98
原创 VINS-MONO学习框架记录（精简版）
VINS-MONO学习框架记录（简易）VINS-MONO的基本框架IV: 测量预积分功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入VINS-MONO的基本框架IV: 测量预积分V：初始化VI: 紧耦合单目
2020-11-01 16:53:06
689
3
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