自动驾驶
文章平均质量分 95
Flying Youth
这个作者很懒,什么都没留下…
展开
-
ICRA2022 SLAM进展---激光SLAM
ICRA2022 slam论文简单导读,未完待续原创 2022-08-14 12:14:55 · 4411 阅读 · 1 评论 -
激光SLAM论文简单导读--LOAM、VLOAM、LeGO-LOAM、LIO-SAM、LVI-SAM、LIMO、LIC-FUSION、TVL-SLAM、R2LIVE、R3LIVE
激光SLAM论文导读--LOAM、LeGO-LOAM、LIO-SAM、LIC-给FUSION开篇巨作LOAM (CMU张辑, RSS 2014)原创 2022-05-31 11:14:45 · 3482 阅读 · 4 评论 -
三维点云处理技术四:三维点云数据处理基础
三维点云处理技术三:三维点云数据处理基础PCL介绍PCL点云数据结构PCL特性PCL模板库PCL处理一般流程点云滤波方法常见点云滤波方法体素滤波器:统计滤波器点云组织形式与最近邻搜索八叉树KD Tree点云分割、拟合、聚类方法分割拟合语义分割来源:睿慕课《三维点云处理技术和深度学习在三维点云处理中的应用》PCL介绍点云(Point Cloud)是离散点的集合,不仅包括三维点的位置信息,有时也包含点的材质反射信息和RGB信息,广泛应用于机器人抓取、识别、定位与运动规划中。PLC库是专门的处理点云运算的库原创 2020-05-19 17:37:51 · 4689 阅读 · 1 评论 -
Apollo进阶课程第七章:感知
感知概貌:问题范围感知概貌:多个维度看问题感知传感器分类点云感知:视觉感知:CNN检测:场景分割;可行驶区域检测;车道线检测;红绿灯检测。红绿灯检测:后处理:感知与机器学习:感知未来:...原创 2020-05-16 21:57:48 · 344 阅读 · 0 评论 -
Apollo进阶课程第六章:Appolo ROS
参考资料:ROS官网ETHZ ROS课程ROS的基本知识:ROS TF: 描述坐标系旋转的功能节点Ros service:调试技巧:rqt:可视化rqt=rosrun rqt_gui rqt_guirosrun rqt_image_view rqt_image_view 可视化图像rosrun rqt_multiplot rqt_multiplot可视化二维数值rosrun rqt_graph rqt_graph 可视化ROS节点之间的计算图rosrun rqt_consol原创 2020-05-16 15:18:11 · 334 阅读 · 0 评论 -
Apollo进阶课程第四章:高精地图
高精地图特点:1,表述的完整性:把能影响人类驾驶行为的特性全都表示出来,比如交通标志、车道线等;2,实时性;3,高精是指描述内容全面。高精地图功能:辅助定位、感知、预测和规划,弥补系统性缺陷,使得机器在人类构造的交通环境下运行。高精地图格式规范-OpenDrRIVE业界高精地图产品:诺基亚HERE地图—基于16线激光雷达。MobileEye—基于camera,众包系统。Google-waymo:TomTomAppolo2.5采集方案激光(64线+16线)+相机+RTK+IMU原创 2020-05-10 17:55:18 · 435 阅读 · 0 评论 -
Apollo进阶课程第三章:Appolo定位技术
定位技术: 确定无人车在地图中的位置。由于自身感知不够强大,需要精准定位来辅助感知,其定位指标如下:定位方法:GPS:5~10米伪距差分: 米级载波相位差分: <5cm 硬件成本较高,易受电磁干扰,多径效应干扰激光定位:点云匹配视觉定位:特征点匹配不实用,使用车道线、交通标志牌定位惯性导航:成本与精度,无人车用的十万级别的IMU,短时间精度非常高,频率非常高,有误差累积。定位方案: EKF多传感器融合坐标系:百度无人车定位技术:GPS:授时、建图、定位激光点云定原创 2020-05-08 20:19:19 · 445 阅读 · 0 评论 -
Apollo进阶课程第二章:Appolo硬件开源平台
Appolo研发流程:硬件系统:传感器:摄像头功能:车辆、行人检测,车道线、交通标志牌、红绿灯检测;激光雷达:地图定位和测绘,感知;毫米波雷达:交通车辆的检测,速度快,准确,不受天气影响。远距离77G,近距离24G。线控化: 电子控制系统取代传统的机械控制方式。集成传感器单元:system on chip: 将软件集成到硬件上,高效地执行特定算法。...原创 2020-05-08 20:07:56 · 252 阅读 · 0 评论 -
Apollo进阶课程第一章:自动驾驶行业概览
自动驾驶发展历程著名的无人驾驶公司:18家知名无人驾驶汽车品牌盘点 炫酷的未来科技自动驾驶模块高精度图:给无人车进行预判;通过缩小搜索区域来减少无人车的计算量;生成intensive map,使得感知更准确。定位模块:GPS+RTK+IMU+几何定位(相对地图路标特征的定位)感知系统:相机+激光雷达+雷达轨迹规划模块避障模块控制系统云端安全性方面iso26262:比...原创 2020-05-02 17:28:51 · 391 阅读 · 0 评论 -
Apollo公开课七:控制
控制: 使用控制来运行轨迹。对于车辆而言,基本的控制就是转向、加速和制动。控制器通过输入来控制车辆通过指定路标点,要求准确、鲁棒、可行和平滑。三种控制方法: PID,LQR,MPC。控制流程: 规划给出目标轨迹,定位给出车辆状态,控制使得运行轨迹接近目标轨迹。PID: 无人小车之PID控制器算法 无人驾驶系列(一) PID控制详解形式简单。 P使得误差趋小;D使得运动更稳定,...原创 2020-05-01 15:41:07 · 802 阅读 · 0 评论 -
Apollo公开课五:预测
将预测问题简化为选择问题——Apollo车道预测详解预测: 预测环境中移动物体的行为,以确保无人车做出最佳的决策,通过生成一条路径来预测移动物体的行为。根据其他物体的状态以及自己的状态来预测它们的路径。预测要求实时、准确,且能从其他情况中学习新的预测行为。预测分为基于物理模型的和数据驱动的。Apollo基于车道序列的预测 预测障碍物状态:位置,朝向,速度,加速度,车道段内物体的位置以...原创 2020-05-01 10:47:49 · 544 阅读 · 0 评论 -
Apollo公开课四:感知
感知: 主要利用深度学习来检测周围的环境,包括分类、检测、跟踪和分割等任务。Apollo感知方案: 对于三维物体检测,Apollo在高精地图上使用ROI(感兴趣区域)来重点关注相关对象,将ROI滤波器应用于点云和图像数据以缩小搜索范围,加速感知,通过检测网络馈送已过滤的点云,输出用于围绕构建对象的三维边界框,最后使用检测关联算法来跨时间识别单个物体。 对于交通信号灯的检测,先在高精度地...原创 2020-04-30 21:55:31 · 487 阅读 · 0 评论 -
三维点云处理技术一:基础知识
课程来源:睿慕课《三维点云处理技术和深度学习在点云处理中的应用》激光雷达原理12款激光雷达测评,谁是最强王者?激光雷达优点:1,具有极高的分辨率2,抗干扰能力强3,获取的信息量丰富4,可全天时工作原理:三角测距TOF激光雷达分类:激光雷达应用安装方式:点云算法应用:激光雷达数据融合:激光雷达参数:激光雷达不仅可以获得深度信息,由于材质反射性质不同,也可...原创 2020-04-30 12:35:05 · 2452 阅读 · 1 评论 -
三维点云处理技术二:三维点云表征概述
三维点云数据获取方式及原理主要分为立体视觉测量法、结构光3D成像法、飞行时间TOF法。立体视觉测量法相机成像模型视觉SLAM14讲——相机模型介绍世界坐标系下的三维坐标点Pw⟶P_w\longrightarrowPw⟶相机坐标系下的坐标Pc⟶P_c\longrightarrowPc⟶归一化坐标Pnorm⟶P_{norm}\longrightarrowPnorm⟶畸变后的坐标Pd...原创 2020-04-29 22:39:12 · 4311 阅读 · 3 评论 -
Apollo公开课六:规划
规划: 根据高精度地图、定位和预测来规划舒适、无碰撞的轨迹,第一步是路线导航,给定地图、出发点和目的地,生成一条可行驶路线;第二步对路线进行调整规划轨迹,以使得乘坐更舒适,避开障碍物。最终生成的轨迹由一系列点构成,每个点关联一个位置和一个到达的时间。路径规划三个输入:地图: 提供了公路网和实时交通信息;在地图中的当前位置;目的地。Apollo通过智能搜索算法来寻找路径,首先将地图数据...原创 2020-04-29 16:26:34 · 376 阅读 · 0 评论 -
Apollo公开课三:定位
定位准确地获得无人车在地图中的精确位置。各种定位传感器的特点GNSS-RTK:GPS精确度一般为1~5米,RTK精确度为10cm以内,城市和峡谷中性能差,更新频率低IMU:更新频率快,但误差累积大,只适合短时间定位激光雷达:用点云匹配进行定位(ICP),滤波算法:Apollo用的是直方图滤波,卡尔曼滤波视觉定位:一般将视觉融合其他传感器进行定位,结合粒子滤波和摄像头观测信息进行定位,优...原创 2020-04-29 15:54:41 · 367 阅读 · 0 评论 -
Apollo公开课二:高精地图
高精度地图高精度地图包含许多辅助驾驶的信息,特别是道路的精确三维表达,还有许多语义信息,其最重要的特征是厘米级的高精度。高精地图与定位、感知的关系:无人车获取的传感器信息与高精地图进行匹配可以进行精确定位;传感器的感知范围有限,也无法感知障碍物后面的环境,地图先验信息可以辅助感知,同时也可以缩小检测范围,提高检测感知的速率和精确度;高精地图可以辅助寻找可行区域,辅助规划算法选择路径,通...原创 2020-04-22 17:12:41 · 426 阅读 · 0 评论 -
Apollo公开课一: 无人驾驶概览
课程内容高精地图—基础,支撑起其他的诸多功能;定位—在地图中的位置,基于激光雷达等传感器数据,获得在世界坐标系中厘米级定位;感知:利用深度学习“看”环境,检测,分类与分割;预测:预测行人以及其他车辆的运动轨迹;规划:根据预测和路线来生成轨迹;控制:使用转向、油门和制动来执行轨迹。无人驾驶等级Level0:基本等级,驾驶员是唯一的决策者;Level1: 驾驶员辅助系统,车辆提供...原创 2020-04-22 15:13:28 · 603 阅读 · 0 评论