思我所

原创 多伦多大学Self-Driving Cars自动驾驶专项课程（十一）Kinematic Modeling in 2D

转载 解析百度Apollo之Routing模块

网址：https://paul.pub/apollo-routing/

转载 解析百度Apollo自动驾驶平台

解析百度Apollo自动驾驶平台：https://paul.pub/baidu-apollo/

原创 百度Apollo决策技术分享

本文是根据Apollo开发者社区在3月26日举办的“Apollo决策技术分享”在线图文直播课程的授课内容整理而得。决策模块相当于无人驾驶系统的大脑，保障无人车的行车安全，同时也要理解和遵守交通规则。为了实现这样的功能，决策模块为无人车提供了各种的限制信息包括：1.路径的长度以及左右边界限制；2.路径上的速度限制；3.时间上的位置限制。此外，决策模块几乎利用了所有和无人驾驶相关的...

原创 多伦多大学Self-Driving Cars自动驾驶专项课程（十）Safety Frameworks for Self Driving

原创 多伦多大学Self-Driving Cars自动驾驶专项课程（九）Industry Methods for Safety Assurance & Testing

原创 多伦多大学Self-Driving Cars自动驾驶专项课程（八）Safety Assurance for Self Driving

原创 多伦多大学Self-Driving Cars自动驾驶专项课程（七）Environment Representation

原创 运动规划RRT*算法图解

RRT*算法：具体过程1. 产生一个随机点xrand。2. 在树上找到与xrand最近的节点xnearest。3. 连接xrand与xnearest。4. 以xrand为中心，ri为半径，在树上搜索节点。5. 找出潜在的父节点集合Xpotential_parent，其目的是要更新xrand，看看有没有比它更好的父节点。6. 从某一个潜在的父节点xpotential_par...

原创 多伦多大学Self-Driving Cars自动驾驶专项课程（六）Software Architecture

原创 多伦多大学Self-Driving Cars自动驾驶专项课程（五）Hardware Configuration Design

原创 多伦多大学Self-Driving Cars自动驾驶专项课程（四）Sensors and Computing Hardware

原创 运动规划（Motion Planning）、轨迹规划（Trajectory Planning）和路径规划（Path Planning）的联系和区别

运动规划就是从一个状态（包含位置、朝向等）到另一个状态这一过程的规划，本质上是找到一系列的动作来实现这样的运动（状态转换），是最顶层的概念，其包括轨迹规划和路径规划。只是当动作很简单的时候，往往忽略了动作这个层面，或者只是以运动的方向来代替了动作，这个时候运动规划主要就是轨迹规划（包含时间维度）和路径规划（不包含时间维度）。但是在走钢丝这种情况下，当动作的难度变得很突出了的时候，又回归到运动规划以...

原创 多伦多大学Self-Driving Cars自动驾驶专项课程（三）Driving Decisions and Actions

原创 多伦多大学Self-Driving Cars自动驾驶专项课程（二）Requirements for Perception

原创 多伦多大学Self-Driving Cars自动驾驶专项课程（一）Taxonomy of Driving Automation