Apollo自动驾驶教程学习笔记-Apollo感知之旅3-3

最新推荐文章于 2024-07-13 09:23:16 发布
最新推荐文章于 2024-07-13 09:23:16 发布
阅读量745 收藏 4
点赞数
分类专栏： 自动驾驶 学习笔记 文章标签： 自动驾驶
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/siberiabear/article/details/95112135
版权
本文是Apollo自动驾驶教程的学习笔记，重点介绍了感知算法，包括Lidar的启发式和DL方式，视觉感知、检测、CNN分割，以及Radar和超声波感知。深度学习在点云分割和视觉感知中起到关键作用，而感知红绿灯是一项复杂任务，需要高精度和鲁棒性。文章讨论了相机和Lidar在感知中的优缺点，并提出未来技术发展的思考。
摘要由CSDN通过智能技术生成

视频链接：http://bit.baidu.com/Course/detail/id/289.html http://bit.baidu.com/Course/detail/id/290.html
讲师：夏添 Apollo主任架构师

感知算法

简单列一下这一节内容的主要章节，这一集视频有1个小时，内容很丰富，夏添老师也是我看了这么多集课程后感觉讲解的最好的一位。

  • Lidar感知：
    • 启发式方式：Ncut
    • DL方式：CNNSeg
  • 视觉感知：
    • DL检测
    • 跟踪
    • 红绿灯识别
  • Radar感知
  • 超声波感知

Lidar感知

激光雷达采集到的是点云信息，apollo无人车上使用的是64线激光雷达，转速是10HZ，所以大概一帧点云能够采集几十万个点，这些点需要经过算法，最后估计出道路上的障碍物，包括类别、朝向、速度等。
其中算法比较核心的一个工作是点云分割。

启发式方式

基于一个假设，就是：空间平滑性假设，即认为在空间上连续的点应该属于一个障碍物（其实我认为这个假设本身就已经不完全成立，从而限制了算

最低0.47元/天 解锁文章
P2Tree
关注
专栏目录
apollo自动驾驶教程学习笔记-Apollo感知之旅3-1
SiberiaBear的专栏
07-02 896
视频链接：http://bit.baidu.com/Course/detail/id/278.html 讲师：夏添 Apollo主任架构师 接下来的3部分课程，讲解了关于无人驾驶感知的一些内容，主要提纲为： 感知概貌 传感器与标定 感知算法 感知中的机器学习 感知的未来 课后思考 感知概貌 文章目录感知概貌和人类感知的关系高精地图障碍物检测传感器融合信号灯识别感知分类多维度看问题 感知是机...
自动驾驶学习笔记（十一）——高精地图
Mr.Cssust的博客
11-26 2448
本文是笔者在学习自动驾驶时，对所学课程的一些梳理和总结。欢迎和我一同抱团学习，交流技术。
Apollo自动驾驶教程学习笔记-Apollo感知之旅3-2
SiberiaBear的专栏
07-04 635
视频链接：http://bit.baidu.com/Course/detail/id/288.html 讲师：夏添 Apollo主任架构师 传感器选择与标定 主要传感器 Lidar：原理是TOF，time of flight，主动式感知，测距准，缺点是稀疏性（百度apollo用的是64线的Lidar，但是依然很稀疏，百米外的物体只能有一两条线扫描到），很难做模式识别，受功率限制，距离有限，大...
Apollo自动驾驶入门课（1）——无人驾驶概览
qq_45577461的博客
07-15 3459
本课程由Apollo团队面向对自动驾驶感兴趣的开发者免费开放的课程，可以从微信公众号“Apollo开发者社区”中学习，也可以从“Apollo开发者”官网学习。 无人驾驶概览1.自动驾驶主要模块2.无人驾驶车简介3.无人驾驶车的运作方式4.参考车辆和硬件平台5.开源软件架构6.云服务 无人驾驶开源部分的主要内容，包括高精地图HD Maps、定位Localization、感知Perception、预测Prediction、规划Planning、控制Control等模块。 高精度地图几乎支持着软件栈的所有其他.
Apollo星火计划学习笔记第一讲——学习自动驾驶
qq_37346140的博客
10-18 1281
Apollo星火计划学习笔记第一讲：Apollo开源平台介绍、如何使用Apollo学习、 上机、 Cyber RT(通信)、感知、决策规划、 **车辆适配**、 **车辆集成*、*测试与调车**、概述、问题解答
Apollo Lidar感知Cnn_seg原理
欧吼的CSDN
08-19 1961
高精地图ROI过滤器（HDMap ROI Filter） 参考博客 ROI（The Region of Interest）指定从高精地图检索到包含路面、路口的可驾驶区域。高精地图 ROI 过滤器（往下简称“过滤器”）处理在ROI之外的激光雷达点，去除背景对象，如路边建筑物和树木等，剩余的点云留待后续处理。 输入：激光雷达捕捉的3D点数据集 输出：由高精地图定义的ROI内的输入点索引 包括三步：1.坐标转换：Apollo将输入点云和HDMap多边形变换为来自激光雷达传感器位置的地方坐标系。 2.ROI LU
自动驾驶学习笔记（二）——Apollo入门
Mr.Cssust的博客
10-08 2180
本文是笔者在学习自动驾驶时，对所学课程的一些梳理和总结。欢迎和我一同抱团学习，交流技术。
自行车的自动驾驶
最新发布
百态老人的博客
07-13 801
自动驾驶自行车的引入可以实现车辆的智能调度和管理，根据游客的需求和车辆的实时位置，自动优化车辆的调度和分配，实现车辆的最大利用率，提高景区的运营效率。随着自动驾驶技术的成熟和规模化应用，以及政府对智能交通和绿色出行的政策扶持，自动驾驶自行车有望在共享出行、物流配送、智能交通等领域发挥重要作用，从而创造新的商业模式和收入来源。技术的不断进步和市场需求的增长，以及政府对自动驾驶技术发展和应用的支持，为自动驾驶自行车在共享出行领域的应用提供了有利条件。自动驾驶自行车在共享出行领域的应用前景被认为是广阔的。
自动驾驶学习笔记（二十二）——自动泊车算法
Mr.Cssust的博客
12-25 3486
本文是笔者在学习自动驾驶时，对所学课程的一些梳理和总结。欢迎和我一同抱团学习，交流技术。
apollo学习笔记十九：apollo 感知（中）
siri99999的博客
08-03 1659
感知算法 点云感知 主要任务是感知障碍物的位置、大小、类别、朝向、轨迹、速度等。核心是点云检测分割技术，可以用启发式算法NCut和深度学习算法CNNSeg完成。 启发式方法：Ncut Ncut算法的基本思想是基于空间平滑性假设，即空间上接近的点来自同一个障碍物。首先，利用地图信息对点云进行预处理，例如去掉感兴趣区域之外的点云，降低点云图的复杂度。然后根据预处理后的点云构建加权图G=(V, E, W)，将点云分割转换为图分割的问题，可以利用图聚类的算法求解，最终求解的每一个cluster就代表一个障
Apollo基于卷积神经网络分割
qq_41206519的博客
03-24 1401
该阶段的输入数据来自高精地图ROI过滤器过滤得到的点云数据 该阶段主要分为4个子过程： 通道特征提取 基于卷积神经网络的障碍物预测 障碍物集群 后期处理 通道特征提取 给定一个点云框架(cloud_roi)，Apollo在地方坐标系中构建俯视图（即投影到X-Y平面）2D网格。基于点的X、Y坐标，相对于LiDAR传感器原点的预定范围内，每个点被量化为2D网格的一个单元。量化后，Apollo计算网...
Apollo课程学习4——感知
weixin_43476492的博客
08-12 3131
Apollo课程学习4——感知学习前言感知的概述一、什么是感知二、感知的任务1、检测与分类2、跟踪3、语义分割三、图像分类器步骤传感器的选择和标定一、传感器的选择1、相机2、激光雷达3、毫米波雷达二、传感器的安装三、传感器标定四、传感器融合感知算法一、点云感知1、启发式方法：NCut2、深度学习方法：CNNSeg二、视觉感知2.1 CNN检测2.2 CNN分割2.3 后处理三、红绿灯感知四、机器学习五、神经网络1、神经网络简介2、学习（训练）——后向传播3、卷积神经网络（CNN)Apollo感知
百度无人车ApolloAuto使用入门
热门推荐
ss910的博客
07-11 3万+
1.安装原版ubuntu 14.04 http://www.ubuntu.org.cn/download/alternative-downloads 2.安装对应ubuntu 14.04的indigo版ROS http://wiki.ros.org/indigo/Installation/Ubuntu 3.安装Apollo Kernel https://github.co
学习笔记：星火第一讲-使用Apollo 学习自动驾驶
SD_Ma的博客
11-05 930
本课程由Apollo开发者社区布道师倾力打造，通过本课程，你将掌握 Apollo系统安装、 Apollo调试、仿真等工具的使用；熟悉Apollo自动驾驶高精度地图、定位、感知、预测、规划 与控制等模块的运行机制、代码架构等相关知识。
「Apollo」Apollo感知汇总
Liiipseoroinis
12-06 4377
感知Perception概览 整个apollo perception传感器架构图如下： 整个感知模块的硬件方面包括了多个相机、毫米波雷达（前后）、激光雷达；在算法方面使用了单传感器、多传感器融合后的检测、识别，能够对障碍物进行分类、跟踪和运动轨迹的预测，除此之外还能给出障碍物的运动信息（前进方向、加速度等），给出车道相与本车的相对位置。 各传感器数据流细节如下图： 感知模块 Input 128线激光雷达数据 16线激光雷达数据 毫米波雷达数据 图像数据（相机传感器） 各传感器外参标定数据 各相机内参标
Apollo自动驾驶入门课程第③讲 — 定位
10点43的博客
09-25 4212
本文转自微信公众号：Apollo开发者社区 原创：阿波君Apollo开发者社区8月17日 上周我们发布了Apollo入门课堂第②讲—高精地图，收到了很多开发者的认同和赞赏，也看到越来越多的开发者对学习自动驾驶技术有了浓厚的兴趣，希望有更多开发者能够通过本门课程，学到更多的自动驾驶知识。 本周我们将介绍定位模块的知识，了解车辆如何以个位数厘米级别的精度进行自定位。 定位是让无人...
Apollo自动驾驶入门课程第⑩讲 — 控制（下）
10点43的博客
10-26 6101
目录 1、线性二次调节器 2、模型控制预测 3、总结 本文转自微信公众号：Apollo开发者社区 原创：阿波君Apollo开发者社区昨天 Apollo自动驾驶课程马上进入尾声，在无人驾驶技术控制篇（上）中，具体讲解了最常用的控制算法——PID控制器。 本期我们将继续介绍和控制相关的知识，具体讲解线性二次调节器（或LQR）和模型预测控制（或MPC）。本期也是自动驾驶入门课...
Apollo笔记：感知
xiewf的博客
02-26 1650
感知概貌 感知是机器人学科的问题，机器人要向人类驾驶员学习，但又不必要完全模仿，扬长避短； 感知模块 小感知：检测，（语义）分割，（属性）识别，跟踪，融合 大感知：标定，定位，障碍物行为预测 多维度看感知问题，体会复杂性 sensor维度（Input）：Lidar、Camera、Radar、Ultrosonic、高精地图...... Target维度（Output）:障碍物、...
从数据采集开始研究百度apollo摄像头感知模块开发
u011886519的博客
05-28 2950
计算机视觉 图像知识科普 做图像相关的算法，今天总结一些知识点，从图像如何产生开始到数字图像处理再到今日如火如荼的深度学习。 大纲如下： 数字图像成像原理 相机成像关键参数解析 图像畸变校正 单目测距、双目测距 目标检测追踪 多传感器融合 1、数字图像成像原理 数字图像成像是把光信号转变为电信号。 摄像头图像采集设备是由透镜、传感器、ISP等硬件组成。并且通过线性纠正、噪点去除、坏点修补、颜色差值、白平衡校正、曝光校正等处理后形成的图像。3A技术指的是自动对焦（AF）、自动曝光（.
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值