自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(11)
  • 收藏
  • 关注

原创 Apollo学习笔记 进阶课程之四:高精地图①

Apollo学习笔记 进阶课程之四:高精地图①1、 高精地图与自动驾驶的关系什么是高精地图?高精地图 = 自动驾驶地图HD Map = high definition map 高分辨率地图HAD Map = high automated driving map 高度自动驾驶地图高精地图最显著的特点是表征路面特征的全面准确性。其要求有更高的实时性。传统地图可能只有link,即道路之间的连接关系。而高精度地图需要描述车道、边界线、交通设施、人行横道等所有可能影响交通行驶的指标。高精地图与导航地

2020-07-28 13:35:11 805

原创 Apollo学习笔记 进阶课程之三:定位技术②

Apollo学习笔记 进阶课程之三:定位技术②百度的无人驾驶定位方案1)、GNSS定位GPS误差来源:上图为单点定位,基于TOA载波定位技术:(RPK技术,PPP技术)RPK:可以在五秒内确定厘米级精度,但是基站要求高PPP:卫星对误差进行处理,得到高精度坐标。RPK应用:① 时间授时 ② 高精地图 ③ RTK在线定位2)、激光点云定位技术反射值地图块一个像素12.5厘米①定位:SSDHF(SSD平方差总和,HF直方图滤波器),通过对像素点平方差总和的计算得到一个误差值,对每个可能

2020-07-28 13:25:06 538

原创 Apollo学习笔记 进阶课程之三:定位技术①

Apollo学习笔记 进阶课程之三:定位技术①一、 技术入门1、 什么是无人车的自定位系统?相对于一个坐标系,确定无人车的位置和姿态。位置与姿态的自由度:位置:XYZ,姿态:横滚、俯仰、航向。此外还有置信度。2、 为什么无人车需要精确的定位?与自动驾驶地图配合提供静态感知。3、 定位的方法:(1) GNSS定位等距离差分:伪距差分,根据基站位置差距计算;载波相位差分,估计载波相位的整周,计算整周数和余数,最终达到的效果可以精确到厘米级(5cm),但需要硬件成本、人力维护、可视卫星依赖,

2020-07-28 13:18:29 786

原创 Apollo学习笔记 进阶课程之二:硬件开发平台

Apollo学习笔记 进阶课程之二:硬件开发平台1、 Uber出现事故。可能原因:系统未闭环,交互设计缺陷,路面照明不足,不符合车规。2、 自动驾驶汽车的研发流程:安全是自动驾驶的第一天条。软件在环:基于模拟器仿真。类似GTA。硬件在环:基于必要的硬件平台。将软件与传感器结合测试。车辆在环:基于车辆执行。封闭场地测试。司机在环:基于实际道路。获得专业司机的评判。3、 三大系统:感知、计算、决策。感知:汽车定位定姿的传感器、惯性导航系统、全球定位系统、速度传感器、角度传感器。激光雷达360度

2020-07-28 13:03:11 197

原创 Apollo学习笔记 进阶课程之一:自动驾驶行业概述

Apollo学习笔记 进阶课程之一:自动驾驶行业概述1、 自动驾驶行业概述开放能力、共享资源、加速创新、合作共享共享出行,大趋势,大时代。但是无人驾驶技术尚未发展成熟。安全问题!2、 Apollo开源模块讲解高精度地图:车道线、红绿灯、停车线。静态障碍物统计定位:GPS、陀螺仪、惯性导航。GPS经过反射有偏差。RTK基站,做信号差分。IMU惯性导航,不会发生位置的跳动,但是计算得出会有误差。相对定位、几何定位,使用点云寻找相对参考物计算出位置。LiDAR可以精确算出位置差距,但是对环境要求高,

2020-07-28 12:58:28 195

原创 Apollo学习笔记 入门课程之六:控制

Apollo学习笔记 入门课程之六:控制控制:趋势车辆前行。转向,加速,制动。控制策略必须与路径相符合,需要可行性,还要考虑平稳度。PID(比例积分微分控制)、LQR(线性二次调节器)、MPC(模型预测控制)1、控制流程:目标路径与车辆状态。目标轨迹来自规划模块,给一个目标的位置与速度参考。车辆状态包括位置、速度、转向、加速度。PID控制器:2、 P(Proportional):比例。a=-K_p×ⅇ 偏离越远越难拉回原轨迹。3、 D(Derivative):微分。 阻尼项:a=-K_p

2020-07-28 12:53:42 220

原创 Apollo学习笔记 入门课程之五:规划

Apollo学习笔记 入门课程之五:规划要去的地方,计划时间;运动轨迹水平,特定操作时汽车的行为,时间空间双相关的曲线。输入条件:地图输入、当前位置、目的地。路径规划:1、 将地图转化为图形,包括节点与边,利用对于图形上路径搜索的算法,算出代价最小的路径,再次转化到地图中后得到结果。2、 A算法:g = 候选节点到初始节点的代价, h = 候选节点到目标节点的代价, f = g + h。 F为A算法的总代价。规矩生成:3、 轨迹生成:生成一系列路径点定义的轨迹。每个路径点有时间戳和速度,

2020-07-28 12:48:24 300

原创 Apollo学习笔记 入门课程之四:预测

Apollo学习笔记 入门课程之四:预测对其他物体的行为进行预测。生成路径来预测物体行为。如何预测,预测未来的环境是怎样的?预测方法:1、 基于模型预测:直观,结合人类现有的物理知识与交通知识、人类行为等。2、 数据驱动预测:当喂给大量数据,训练好后,模型效果越好预测技巧:3、 基于车道序列。4、 观察物体状态:位置,朝向,速度,加速度。5、 预测目标车道:从预测问题转化为选择问题。6、 递归神经网络RNN:利用时间序列的数据特征进行预测。多层感知网络MLP:从数据序列中提取高级特征,多

2020-07-28 12:42:53 210

原创 Apollo学习笔记 入门课程之三:感知

Apollo学习笔记 入门课程之三:感知基础数据分析:1、 计算机视觉:检测、分类、跟踪、语义分割。图像分类器,输入图像,输出类别、标志、标签。首先接受一系列图像,之后进行预处理,调整大小、旋转,之后提取特征,输入分类模型得到结果。2、 摄像头图像:数据图像的简单介绍。宽、高、深 RGB_depth = 3。3、 LiDAR图像:点云。得到物体的方向与距离。形状,表面纹理。对点进行聚类和分析,进行检测与分类结果。算法:4、 机器学习:监督式学习,使用真值标记。无监督学习,通过摄像头图像,自主学习

2020-07-28 12:40:02 319

原创 Apollo学习笔记 入门课程之二:定位

Apollo学习笔记 入门课程之二:定位1、 坐标不同,需要切换坐标系。进行对比,转换数据,确定十厘米的精度。2、 定位:x,y,航向3、 三点确定坐标的方式。4、 GPS 卫星,地面监测站,信号接收器。更新频率低。修正长时间误差。5、 惯性导航:三轴加速器,精确测量加速度。陀螺仪。IMU快速更新数据。长时间误差大。6、 激光雷达:ICP迭代最近点,点云通过旋转和平移找到最近点。滤波算法,消除冗余信息,直方图滤波(误差平方和算法)。卡尔曼滤波,根据过去状态与新的测量结果预测当前状态,首先根据历史

2020-07-28 12:36:46 150

原创 Apollo学习笔记 入门课程之一:高精度地图

Apollo学习笔记 入门课程之一:高精度地图传统地图与高精度地图的对比地图与具体过程的关系地图与定位的关系地图与感知的关系地图与规划的关系高精度地图的更新地图构建高精度地图被用于定位和预先规划。传统地图与高精度地图的对比传统地图需要人利用自己的视觉感知能力和逻辑思考能力;高精度地图包括大量辅助信息,它可以帮助驾驶,此外还有高精度的特点,达到厘米级的精度,能够帮助智能汽车进行操作。地图与具体过程的关系地图与定位的关系寻找地标,与高精度地图的已知地标进行对比,转换坐标系、数据对比、数据融合,最终得

2020-07-16 10:50:44 273

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

提示
确定要删除当前文章?
取消 删除