![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
自动驾驶
文章平均质量分 73
Mister Zhu
云在青天水在瓶
展开
-
【自动驾驶】常见位姿估计算法的比较: 三角测量、PNP、ICP、
PnP问题 (2D-3D)DLT(直接线性变换算法)相机标定工程用到的是DLT(直接线性变换算法),它是一类PnP问题 (2D-3D)。请参考【位姿估计 | 视觉SLAM | 笔记】常见位姿估计算法的比较PnP(Perspective-n-Point)是根据图像中1.特征点的二维像素坐标2.特征点的三维空间坐标来估计相机在参考坐标系中位姿。PnP是一类问题,针对不同的情况有不同的解法,常见的算法有:P3P、DLT、EPnP、UPnP等。ICP算法imu两时刻的姿态变化,反应了车辆的姿原创 2022-10-19 20:02:55 · 4090 阅读 · 0 评论 -
【自动驾驶】定位方式:RTK定位与激光融合定位
对于自动驾驶定位技术更详细的介绍,可以参考这篇博客:自动驾驶定位技术(Localization)—GNSS定位分为RTK定位和融合定位。RTK(Real Time Kinematic)定位:实时动态载波相位差分技术,在GNSS信号良好的情况下可以实现厘米级精度定位。MSF(Multi-Sensor Fusion)定位,即融合定位:结合 GNSS + IMU + Lidar 等多传感器融合实现的全局定位导航系统,利用多传感器优缺点的互补,实现高精度、高鲁棒性的定位能力。对于GNSS 失效或者Lida原创 2022-02-25 09:43:22 · 4049 阅读 · 0 评论 -
【自动驾驶】摄像头单目测距原理及实现
原文链接:摄像头单目测距原理及实现摄像头单目测距原理及实现一.测距原理空间的深度或距离等数据的摄像头。人的眼睛长在头部的前方,两只眼的视野范围重叠,两眼同时看某一物体时,产生的视觉称为双眼视觉。双眼视觉的优点是可以弥补单眼视野中的盲区缺损,扩大视野,并产生立体视觉。也就是说,假如只有一只眼睛,失去立体视觉后,人判断距离的能力将会下降。这也就是单目失明的人不能考取驾照的原因。单纯的单目视觉测距,必须已知一个确定的长度。f为摄像头的焦距,c为镜头光心。物体发出的光经过相机的光心,然后成像于图像传感器或者也可以转载 2022-02-25 09:35:17 · 4957 阅读 · 1 评论 -
【自动驾驶】毫米波雷达相关知识专题
根据公式:光速 = 波长 * 频率,频率更高的毫米波雷达,其波长越短。波长越短,意味着分辨率越高;而分辨率越高,意味着在距离、速度、角度上的测量精度更高。因此79GHz的毫米波雷达必然是未来的发展趋势。毫米波雷达相比于激光有更强的穿透性,能够轻松地穿透保险杠上的塑料,因此常被安装在汽车的保险杠内。这也是为什么很多具备ACC(自适应巡航)的车上明明有毫米波雷达,却很难从外观上发现它们的原因。应用在自动驾驶领域的毫米波雷达主要有3个频段,分别是24GHz,77GHz和79GHz。不同频段的毫米波雷达有着不同转载 2022-02-22 19:18:33 · 5919 阅读 · 0 评论 -
【自动驾驶】视觉里程计
无人驾驶中的视觉里程计视觉技术的发展加快,现在已经被充分应用于汽车行业的运动估计范畴。而随着无人驾驶车的出现,这项技术也会有新的发挥平台。点击进入看图评论里程计的概念在里程计问题中,我们希望测量一个运动物体的轨迹。这可以通过许多不同的手段来实现。例如,我们在汽车轮胎上安装计数码盘,就可以得到轮胎转动的距离,从而得到汽车的估计。或者,也可以测量汽车的速度、加速度,通过时间积分来计算它的位移。完成这种运动估计的装置(包括硬件和算转载 2022-02-22 19:23:36 · 3362 阅读 · 0 评论 -
【自动驾驶】Eigen:矩阵Matrix的使用
矩阵的使用可参考系列博客:https://blog.csdn.net/caomin1hao/category_7898685.html// < 3,1>矩阵 = < 3,3>矩阵 * < 3,1>矩阵Eigen::Matrix<float, 3, 1> //typedef Matrix<float, 4, 4> Matrix4f; // 4*4矩阵typedef Matrix<float, 3, 1> Vector转载 2021-07-05 19:53:20 · 3814 阅读 · 0 评论 -
【自动驾驶】Eigen变换矩阵的几种用法Matrix4f、Affine3f、
Eigen变换矩阵的几种用法Matrix4f、Affine3f、原创 2022-01-20 20:30:00 · 12794 阅读 · 0 评论 -
【自动驾驶】欧拉角和旋转矩阵之间的转换
欧拉角和旋转矩阵之间的转换在使用Eigen时,经常会遇到旋转矩阵,旋转向量,四元数,欧拉角之间的两两相互转换。这里最常见、最容易出错的是欧拉角和旋转矩阵之间的相互转换。下面就欧拉角和旋转矩阵之间的转换进行详细分析。图1 旋转顺序Z-Y-X,正方向内旋1. 欧拉角(1)欧拉角的叫法:欧拉角的叫法不固定,跟坐标轴的定义强相关。在图1中,假设X是车头,Y是车左方,Z是车上方,那么绕X轴旋转得到的是roll,绕Y轴旋转得到的是pitch,绕Z轴得到的是yaw。在图1中,假设Y是车转载 2022-01-13 20:55:31 · 8529 阅读 · 2 评论 -
【自动驾驶】35.利用imu姿态的变化,求本车在一段时间内的相对变换矩阵 ,可用来对数据进行 时间同步
【自动驾驶】35.相对变换矩阵 进行 时间同步原创 2022-01-11 21:30:00 · 454 阅读 · 0 评论 -
【自动驾驶】33.【图像坐标系】 到 【像素坐标系】 的度量单位变换、【英寸】、【感光芯片】
我们理论分析的时候,使用小孔成像模型来分析。其中,(u,v)(u,v)(u,v)为像素坐标,(cx,cy)(c_x, c_y)(cx,cy)表示相机主点(principal point),即相机畸变中心,一般在图像中心点附近;dxdxdx和dydydy是像元尺寸。例如,1280∗9601280*9601280∗960 的分辨率的图像,(cx,cy)(c_x, c_y)(cx,cy)一般在 (640,480)(640,480)(640,480) 附近,若CMOS senosr的尺寸为 64.0m原创 2022-01-04 21:37:14 · 1706 阅读 · 0 评论 -
【自动驾驶/opencv】32.交通灯颜色提取的难点
交通灯颜色识别有难点,因为很多时候,颜色会因为环境而变化,例如下面的红灯,左边是向左的箭头灯,右边是向右的箭头。但是使用颜色空间进行提取颜色时,这箭头很亮的部分,其实已经接近白色了,所以就提取不到红色了。我们人眼之所以还能觉得它是红色,是因为箭头周边,亮度没那么强的部分还能看出是红色,想把这接近白色的部分提取出红色,自然就不太可能了。上图不用理会右边的交通灯,我因为程序中是限定了id==8641只分析左边这个,所以右边这个没进行提取。...原创 2021-11-25 19:23:55 · 1484 阅读 · 0 评论 -
【自动驾驶】31.【相机外参标定】、【相机障碍物后处理】【地面的2D点反投影到3D】的过程对比
项目中标定的平移向量的x,y,z是标定到imu坐标系。前向相机坐标系是一个标准坐标系,表示相机位姿的三个欧拉角都为0,X右正,Y下正,Z前正。以下是相机外参配置文件中的平移向量的值:translation: # x是该相机在imu坐标系下,距离imu中心的横向距离,由于该相机在imu右边,所以是正数,1.08m x: 1.0800000429153442e+00 # y是该相机在imu坐标系下,距离imu中心的纵向距离原创 2021-10-09 21:46:11 · 2564 阅读 · 0 评论 -
【自动驾驶】30.c++实现基于eigen实现欧拉角(RPY), 旋转矩阵, 旋转向量, 四元数之间的变换(附代码)
原文链接:基于eigen实现欧拉角(RPY), 旋转矩阵, 旋转向量, 四元数之间的变换在机器人学中经常会涉及到欧拉角,旋转矩阵,旋转向量,四元数之间的转换,因此基于eigen对变换关系进行实现,以便参考:#include <iostream> #include <Eigen/Core>#include <Eigen/Geometry> using namespace std; #define PI (3.1415926535897932346f)转载 2021-09-28 19:33:28 · 2826 阅读 · 0 评论 -
【自动驾驶】29.坐标变换与坐标轴旋转
从一个坐标系的点变换到另一个坐标系的点,旋转矩阵的角度我们不能直接知道,但是可以通过两个坐标系之间的旋转来间接得到。如:世界坐标系有一个点P,我们要描述它,就得给他一个坐标系原点,如果他放在车身坐标系,坐标值为P1(2,-1,z),怎么知道该点P1在另一个imu坐标系中的坐标值呢?从图中可以看出,这个点的在对应的imu坐标系中的坐标为P2(1,2,z)。当然,这是人眼看出来的,怎么用算法求解出来呢?就得借助坐标系的旋转了。记住一句话:坐标系旋转是坐标变换的逆过程。将车身坐标系绕Z轴逆时针旋转原创 2021-09-16 19:12:57 · 3970 阅读 · 0 评论 -
【自动驾驶】28.【右手坐标系】与【右手法则】分析、【右手法则的正方向】 与 【逆时针为正方向】 的分析
右手法则的四指旋转方向为正。逆时针旋转只是针对二维平面中的旋转,因为三维空间下,逆时针旋转不能描述所有的旋转方向。比如你握住拳头,手背向上,那么你四个手指的指向就没法描述成顺时针或者逆时针;另一种情况,你握住拳头,大拇指指向下,那么你四个手指的指向就是顺时针,你就不能套用逆时针是正方向的理论了。但是逆时针正方向是符合右手定则的,因为在二维平面下,你握住拳头,大拇指向上,那么你四个手指的指向就是逆时针,和右手定则的四指旋转方向为正的理论吻合。...原创 2021-09-16 19:13:34 · 3448 阅读 · 0 评论 -
【自动驾驶】27.相机畸变_相机内参标定 整理
透镜 实际成像时,如果小孔过小,则入射光的强度会受到影响,进一步会影响到成像。 另一方面,由于光的波动性,在小孔的边缘上,光将发生衍射,因此,这些光将在像平面上“散播”。当小孔变的越来越小时,入射光的“散播”范围将变得越来越大,因此,入射光中越来越多的能量将会被“散播”到:偏离入射光方向的“地方”。 我们在使用针孔相机时,我们做过一个假设:针孔是无线小的一个孔。在真实物理世界中,我们的假设一般无法成立,那如果改变针孔的大小后,会发生怎样的变化呢? 如上图所示,当针孔尺寸发生改变后,穿过针孔的光线数原创 2021-08-23 10:51:44 · 3290 阅读 · 3 评论 -
【自动驾驶】26.【很清晰】旋转矩阵,欧拉角,四元数,旋转向量和齐次变换矩阵
原文链接:https://blog.csdn.net/varyshare/article/details/91899049前言这几个名词都是用来描述一个物体的位置和姿态的。它们之间可以相互转化,而且各有各的优点与缺点。我先把这几个名词之间的联系理清楚,然后再解释他们各自适合的领域以及为何需要他们。1.旋转矩阵旋转矩阵的初衷就是人们希望给定一个向量x,然后我对它旋转,能直接通过矩阵乘法的形式得到旋转后的向量坐标。也就是说y=Ax。这个方便计算机计算,因此旋转矩阵常用于编程。旋转矩阵是一个正交矩阵:转载 2021-08-18 11:20:30 · 1056 阅读 · 0 评论 -
【自动驾驶】25.激光雷达 标定 相机
跳转到 https://blog.csdn.net/u011754972/article/details/119761763原创 2021-08-20 11:42:57 · 323 阅读 · 0 评论 -
【自动驾驶】24.欧拉角、旋转向量、四元数、万向锁
原文链接:https://blog.csdn.net/shenxiaolu1984/article/details/50639298原文链接:https://blog.csdn.net/lql0716/article/details/72597719三维空间刚体旋转有两种方式:(1) 任何一个旋转可以表示为依次绕着三个旋转轴旋三个角度的组合。这三个角度称为欧拉角。(2) 三维空间的任意旋转,都可以用绕三维空间的某个轴旋转过某个角度来表示,这就是四元数。1.欧拉角的物理意义:任何一个旋转可以转载 2021-08-17 15:34:57 · 1392 阅读 · 1 评论 -
【自动驾驶】23.相机成像究竟是成在像平面还是成在焦平面
相机成像究竟是成在像平面还是成在焦平面?底片相当于像平面还是焦平面?我目前的工作经常需要和相机和镜头打交道,所以我最近在研究简单的成像原理。但是一直搞不清楚相机成像究竟是成在像平面还是成在焦平面?知乎原文链接:https://www.zhihu.com/question/33793912调焦:相机的成像是在像平面,而不是在焦平面,调焦调的是感光元件离透镜光心的距离,使得感光元件与像平面重合,因为不同景深的物体,它的像平面的位置不同.理想情况(理想透镜)下真实物体的一个点发出的每条光线经过透镜后都汇聚转载 2021-08-16 15:13:02 · 6408 阅读 · 0 评论 -
【自动驾驶】21.左手坐标系和右手坐标系
今天记录一下一些基本的数学知识,左手坐标系和右手坐标系。这些对于搞图像开发或者游戏开发的朋友来说,应该是很基础的东西,不过对于大部分人来说还是比较陌生的知识。之所以看这方面资料主要是因为在使用Android Camera使用Matrix的过程中,发现需要一些数学理论支持才能理解。这是为了后面使用Android Camera和Matrix的基础。 1、空间直角坐标系 下面摘录一段百科的解析,这些都是数学基础。过空间定点O作三条互相垂直的数轴,它们都以O为原点,具有相同的单位长度.这三条.转载 2021-05-21 17:25:42 · 859 阅读 · 0 评论 -
【自动驾驶】20.自动驾驶中的各种时空坐标系
简介 介绍自动驾驶技术中几种常用的坐标系统,以及他们之间如何完成关联和转换,最终构建出统一的环境模型。 所谓...转载 2021-05-21 16:18:19 · 2821 阅读 · 0 评论 -
【自动驾驶】19.自动驾驶各个坐标系
WGS84 : 世界坐标系,即经纬高坐标系(经度(longitude),纬度(latitude)和高度(altitude)LLA坐标系UTM: 世界坐标系ENU: 世界坐标系,东北天ENU 和 UTM 的区别:ENU局部坐标系采用三维直角坐标系来描述地球表面,实际应用较为困难,因此一般使用简化后的二维投影坐标系来描述。UTM: 在众多二维投影坐标系中,统一横轴墨卡托(The Universal Transverse Mercator,UTM)坐标系是一种应用较为广泛的一种。 UTM坐标系原创 2021-05-21 15:27:48 · 9337 阅读 · 0 评论 -
【自动驾驶】18.像素坐标系【2D To 3D】车身坐标系 (附代码)
像素坐标系2D => 3D车身坐标系原创 2021-07-05 18:38:45 · 793 阅读 · 0 评论 -
【自动驾驶】17. pitch yaw roll是什么
本文链接:https://blog.csdn.net/yuzhongchun/article/details/22749521 三维空间的右手笛卡尔坐标如图1所示: 图1 在航空中,pitch, yaw, roll如图2所示: 图2 pitch是围绕X轴旋转,也叫做俯仰角,如图3所示: 图3:俯仰角pitch yaw是围绕Y轴旋转,也叫偏航角,如图4所示: 图4:偏航角yaw roll是围绕Z轴旋转,也叫翻滚角,如图转载 2021-07-26 17:45:50 · 1488 阅读 · 0 评论 -
【自动驾驶】16.计算机视觉:相机成像原理:世界坐标系、相机坐标系、图像坐标系、像素坐标系之间的转换
0.前言 最近整理了“相机成像原理”和“视差与深度信息”相关的资料,然后做成了PPT,以备自己用,也提供给相关的图像、视觉方向的朋友参考。如有误,望海涵并指出。 1.正文 图像处理、立体视觉等等方向常常涉及到四个坐标系:世界坐标系、相机坐标系、图像坐标系、像素坐标系。例如下图:...转载 2021-04-30 15:51:30 · 5240 阅读 · 6 评论 -
【自动驾驶】15.一文读懂图像中点的坐标变换(刚体变换,相似变换,仿射变换,投影变换)
0 前言 现在的人脸图像识别流程中有一个步骤叫人脸对齐,现在的一般方法是采用人脸上的关键点坐标,进行相似变换来实现人脸校正。多次在人脸识别的论文中看到 similarity transform,由于在线代和矩阵分析的课上一直划水。对相似变换也是一知半解,今天决定不惜一下相关的知识。大部分的内容都是参考网上大神的,这里只是做个整理。下面的阐述主要以二维坐标为例,多维空间的左边点,可以通过增加变换矩阵的维度得知。 ...转载 2021-04-30 15:49:06 · 912 阅读 · 1 评论 -
【自动驾驶】13. Apollo交通信号灯感知
Apollo交通信号灯感知 本文档详细的介绍了Apollo2.0中交通信号感知模块的工作原理。 简介 交通信号灯感知模块通过使用摄像头提供精确全面的路面交通信号灯状态。 通常情况下,交通信号灯有3种状态: 红黄绿然而当信号灯不能正常工作时,它可能是黑色的或者闪烁着红灯或黄灯。有时候在摄像头的视野内找不到信号灯,从而导致无法正确检测信号灯状态。 为了覆盖全部的情况,交通信号灯感知模块提供了5种信号灯状态...转载 2021-04-30 15:53:59 · 1244 阅读 · 0 评论 -
【自动驾驶】12.百度Apollo对ROS的优化【详细干货】
转载自 “Apollo智能驾驶” 公众号 和搜狐网 “百度开发者中心” : 原文链接 7月22日,百度自动驾驶事业部资深架构师、数据平台专家杨凡,百度自动驾驶资深架构师何玮,百度智能驾驶事业部资深架构师郁浩三名讲师在中关村创业大街车库咖啡,向参加沙龙的三百多名开发者们深度解析了Apollo平台与智能驾驶方案。 上期内容中,百度自动驾驶事业部资深架构师杨凡为我们详细讲解了Apollo1.0开放内容及Apollo2.0展望,点此回顾:,本期我们继续曝光干货,由百度自动驾驶资深架构师转载 2021-06-18 17:55:36 · 3109 阅读 · 0 评论 -
【自动驾驶】11.百度Apollo对ROS的优化
自从百度All in人工智能之后,无人驾驶汽车平台Apollo就被推上了风口浪尖,甚至还登上了2018春晚的舞台。在这个吸睛无数的Apollo平台背后,就隐藏着ROS的身影。Apollo平台基于ROS开发,但是对通信机制部分进行了众多改变,有兴趣的小伙伴可以看Apollo改良之后的ROS:https://github.com/ApolloAuto/apollo-platform总结而言,百度对ROS的优化有以下三点:(咋看上去,这些优化有点像ROS 2.0干的那些事儿)1. 去中心化,也就是干掉ROS转载 2021-06-18 15:29:20 · 907 阅读 · 0 评论 -
【自动驾驶】10.百度Apollo平台 事件通信机制
我目前用的是基于ros版本的apollo,在apollo内部有两种消息传输机制,一种是基于ros的回调函数的订阅<详细介绍>来实现各个模块之间的数据通信,还有一种就是事件的通信机制,主要用于感知模块内部的通信,这种通信是基于进程间的内存共享来实现消息的传递.下面我主要介绍第二种消息传递的方式: 先看一下事件的实际应...转载 2021-05-18 14:45:40 · 948 阅读 · 0 评论 -
【自动驾驶】9.分布式通信技术之发布订阅,干货满满
分布式通信技术之发布订阅 原文链接 前面我们一起学习了分布式通信中的远程调用(分布式通信技术之远程调用:RPC )。远程调用的核心是在网络服务层封装了通信协议、序列化、传输等操作,让用户调用远程服务如同进行本地调用一样。 其实,这种方式就是通过网络服务层的封装实现了不同机器上不同进程之间的直接通信,因为是直接通信,所以通过线程阻塞的方式实现同步调用比较容易,因此通常被用于同步调用。比如,机器 1 上的进程转载 2021-06-18 21:56:23 · 485 阅读 · 0 评论 -
【自动驾驶】8. MDC通信架构 + DDS + SOME/IP
对于AP框架,感知融合模块中,由于PreFusion通信数据量大,所以采用带宽较大的DDS(Data Distribution Service)通信协议,其余节点传入数据量较小,采用SOME/IP(Scalable Service-Oriented Middleware over IP)通信协议。融合模块与规控模块之间通信为DDS通信协议。规划控制模块内各节点之间均采用能够处理大数据量的DDS通信协议。DDS主要用于内部通信高性能场景,SOME/IP主要用于与外部部件对接的通信场景,如与Clas...原创 2021-07-28 10:33:09 · 7031 阅读 · 11 评论 -
【自动驾驶】7. MDC常用术语、DDS、SOME/IP
常用术语:MDC: Mobile Data Center;移动数据中心AP: AUTOSAR Adaptive Platform; 自适应AUTOSAR平台APP: Appliction; 提供服务所需功能的软件CM: Communication Management; 通信管理GMSL: Gigabit Multimedia Serial Link; 吉比特多媒体串行链接MCU: Microcontroller Unit; 微控制器单元MDC(Mobi原创 2021-07-27 17:44:44 · 1592 阅读 · 0 评论 -
【自动驾驶】6.实时发布订阅协议(RTPS) 和 数据分发服务(DDS)
实时发布订阅协议(RTPS)DDS互操作网络协议规范-中文翻译 系列转载 2021-06-18 19:24:22 · 1117 阅读 · 0 评论 -
【自动驾驶】5. ROS和DDS的区别总结
背景: ROS是在机器人领域大家常用的通信中间件。DDS是一个很古老的用在很多safe-critical领域的通信中间件(航天,汽车,战舰,金融等)。两者要解决的问题都是一样的:灵活,可靠的通信网络。并且两者都是在实际使用诞生的协议,所以都有很强的实用性。但两者有一些不同的价值观: ROS所在的机器人领域更加开放(基本都是开源软件),用户的参与度更高(大部分问题都是被社区人员回答)。但是在工业落地的应用相对于D...转载 2021-04-30 15:44:40 · 1753 阅读 · 2 评论 -
【自动驾驶】4.分布式实时通信——DDS技术
近期,在汽车通信圈讨论较火的话题中,DDS绝对排得上号。而对于面向服务的通信协议,DDS与SOME/IP各自的优劣?DDS能否替换SOME/IP等问题也随之而来。孰优孰劣,今天暂且不探讨这些问题,我们先来了解下什么是DDS? DDS简介 DDS定义:Data Distribution Service 数据分发服务,是新一代分布式实时通信中间件协议,采用发布/订阅体系架构,强调以数...转载 2021-04-30 15:34:33 · 3384 阅读 · 1 评论 -
【自动驾驶】3. DDS 数据分发服务(Data Distribution Service)
DDS 数据分发服务(Data Distribution Service) 数据分发服务DDS(DataDistributionService)是对象管理组织(OMG)在HLA及CORBA等标准的基础上制定的新一代分布式实时通信中间件技术规范,DDS采用发布/订阅体系架构,强调以数...转载 2021-04-30 15:31:26 · 892 阅读 · 1 评论 -
【自动驾驶】2.车载以太网 - SOME/IP简介
车载以太网 - SOME/IP简介SOME/IP (Scalable service-Oriented MiddlewarE over IP) 是车载以太网通信引入的一个概念,位于OSI 7层模型的层4之上。在以CAN总线为主的车载网络中,通信过程是面向信号的(除了诊断通信之外),这是一种根据发送者需求实现的通信过程,当发送者发现信号的值变化了,或者发送周期到了,就会发送信息,而不考虑接收者是否有需求。而SOME/IP则不同,它是在接收方有需求的时候才发送,这种方法的优点在于总线上不会出现过多不必要的数据,转载 2021-04-30 15:28:12 · 893 阅读 · 1 评论 -
【自动驾驶】1.V2X、OBU、RSU、V2V之间的协作关系
V2X、OBU、RSU、V2V之间的协作关系假设有两辆智能驾驶汽车A和BA车具备:自动驾驶计算平台mdc、V2X设备OBUB车具备:自动驾驶计算平台mdc、V2X设备OBU智能驾驶道路路侧安装有: 路测单元RSU(RSU用来发送交通灯、交通标志、和道路上障碍物的数据给OBU)路测单元RSU 和 V2X设备OBU也是通过 无线电波 进行通信----------------------------------------------------------------以A车和B车的车路协同、车车协原创 2021-04-28 18:01:03 · 21347 阅读 · 0 评论