Autonomous Driving Algorithm
文章平均质量分 85
HERR_QQ
吃的多 怎么办
展开
-
【cpp algorithm】点与线段关系的简单代码
方法有三种,向量法可以求的答案多、此外还有面积法和待定系数求解法(设pp的坐标为x,y,直接推导)原创 2024-02-03 00:00:00 · 264 阅读 · 0 评论 -
[algorithm] 自动驾驶 规划 && 非线性优化学习系列之1 :车辆横向运动&&动力学详细解释
表述车横向状态的空间状态方程服务目的改为基于横向误差得状态描述的话,需要做如下调整:定义状态量为从车道中心线到车辆质心的距离,相对车道的车辆方向误差。该模型要基于三个假设,车速恒定,半径恒定,半径r不是很小,让tan可以线性化。结果为结果可以整理为上图。当所走路线为直线的时候 则认为我期待一个不存在heading的状态(忽略beta侧偏角)那么Pi des 为0.若考虑坡度则要再横向受力维度加上 sin bank。原创 2024-01-24 14:37:25 · 1206 阅读 · 0 评论 -
【algorithm】自动驾驶常见常考的几个模型和推导,顺便总结自己遇到的考题经验不断更新之———控制版
本来快达成目标了,没想到公司遭受了问题,公司和同事我感觉还是挺好的,有国企的正规也有小企业的灵活,大家都很有学习欲望。原创 2023-12-29 17:36:50 · 987 阅读 · 3 评论 -
【toolschain algorithm cpp ros】cpp工厂模式实现--后续填充具体规划算法,控制器版的已填充了算法接入了仿真器
现在局势危机,于是想复习一下之前写的设计模式,之前提到,做过一个闭环仿真器(借用ros),见我的控制器的建立遵循了工厂模式(多态、工厂、客户订阅)。目前按照之前的设计,把规划器也改写成类似的模式。未来接入我的闭环仿真器械中。本篇文章只设计框架的搭建,具体算法lattice搭建完毕填充以及其他算法为看时间缓慢的更新吧。有错误和问题 还请大大们指点阿。原创 2023-12-22 18:47:16 · 1184 阅读 · 0 评论 -
[ToolsChains CPP] Osqp的使用之二:MPCdemo-自动驾驶纵向mpc控制
本文是上一篇的后续,本文将先解读官网mpc的例子,然后实现一个自己设计的mpc的控制器;不远的未来的目标是成为我闭环仿真器(轨迹处理、规划、控制接入基于学习的车辆模型)的一环(目前是pp控制),遥远的未来实现强化学习自动调整参数。原创 2023-12-20 19:41:10 · 3029 阅读 · 7 评论 -
[ToolsChains CPP] Osqp库的基础&&示例&&MPCdemo
本文参考官方教程,重复经典示例,然后自行搭建一个MPC控制器,并且接入我的闭环仿真器。原创 2023-12-19 19:50:14 · 2077 阅读 · 0 评论 -
[ML] Pytorch自学实战项目其4:基于学习(RNN)算法的车辆状态估计,展示归纳总结当前结果,以及展望下一步
之前一直有一个不太合理的错误,我的推理结果应该只有自车速度和Yawrate是合理的。计划但忘记了将比如加速度等量移出参考label。其中纵向速度认为和加速度yawrate和之前的速度有关yawrate认为和轮速度差、总线横向加速度、总线yawrate、方向盘转角、车速相关。其次就是对于RNN结构我们不应该使用BN层作处理,这里最好使用LN在sample的feature的特征维度上做归一化,因为我没有在训练前做数据的特征缩放所以在训练时在特征维度上要消除数量级的差异以便使用MSE函数。原创 2023-12-13 21:32:25 · 261 阅读 · 2 评论 -
[ML] Pytorch自学实战项目其3.2:超参数调优,估计车量Yawrate的RNN模型使用可视化工具TensorBoard&&HyperOpt调整超参数
本文为的后续笔记。之前整理了不同关于超参数的调整的内容,现在针对参数的调整,精简为参考该两篇文章,其中在Pytorch自学实战项目其3.0 中做过的调整继续保留,根据结果分析进行调整到本文为止,基本的处理就结束了,算是阶段性胜利,待训练一个周末后看结果决定下一步。原创 2023-12-08 18:40:15 · 372 阅读 · 0 评论 -
[Cpp Python Ros Algorithm] 一个基于ros的自动驾驶规划控制闭环仿真系统
简要说明一下:之前完成了一个闭环仿真的工具,按照sequence结构的自动驾驶架构,慢慢搭建一个简单版的自动驾驶模拟器。原创 2023-12-07 20:20:08 · 109 阅读 · 0 评论 -
[ML] Pytorch自学实战项目其3.1:超参数调优 可视化工具TensorBoard用实际例子从零开始使用
使用Summary API(在pytorch下基本靠他)以下代码也是参考自链接可以画出自定义的图方法如下基本逻辑是:每一个循环用list元素来控超参,把原来使用超级参的东西放在循环内,每一个cycle设定一个writer,同时设定comment 来改文件夹名区分不同的循环的结果# 设置TensorBoard saving path。原创 2023-12-07 19:54:32 · 260 阅读 · 0 评论 -
[Algorithm] 深蓝学院BEV学习笔记第一章第二章笔记 更新中,本节理解不够深,学完整个课程再看
IPM :像素特征直接到BEV空间2Dto3D:LSS预测视锥深度通过内外参投影3Dto2D:通过tran用3dquery查2dfeature。原创 2023-12-04 23:48:52 · 260 阅读 · 0 评论 -
[ML] Pytorch自学实战项目其3:神经网络RNN,学习的方法估算车辆yawrate,超参数调优学习。 不断更新中。。。
学习率(Learning Rate):影响: 学习率决定了权重更新的步长,过大的学习率可能导致不稳定的训练,而过小的学习率可能导致训练速度过慢。调整方法: 使用学习率调度(learning rate schedule)、自适应学习率算法(如Adam、Adagrad)或者手动调整学习率。权重衰减(Weight Decay):影响: 控制正则化项的大小,有助于防止过拟合。调整方法: 尝试不同的权重衰减系数,通常通过交叉验证或验证集的性能来选择最佳值。原创 2023-11-29 22:46:42 · 250 阅读 · 1 评论 -
[Algorithm] BEVformer 源码细节学习&&ubuntu20.04下的环境配置&&目标跑起开源代码&&论文学习笔记
之前学习了机器学习基础,神经网络基础,pytorch和Transformer基础,学习了几个demo并设计了一个demo任务,现在开始正式研究BEV相关内容。计划从源码和先跑起来入手,随后分模块逐步学习。期间分享自己的困惑,有趣高效的语法现象也会做一些研究。笔者手头已经收集了一些教程、论文,并且也有一起学习的小伙伴。很开心开启这段新的旅程!原创 2023-11-01 10:48:40 · 4515 阅读 · 7 评论