apollo课程学习

最新推荐文章于 2024-09-14 21:53:48 发布
最新推荐文章于 2024-09-14 21:53:48 发布
阅读量36 收藏
点赞数
分类专栏： # 自动驾驶技术 文章标签： 学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_55741769/article/details/132070338
版权
本文探讨了自动驾驶技术的关键组件，如人类与机器处理信息速率、高精地图与定位技术、安全标准、Apollo系统的升级、硬件平台、自定位技术、视觉定位以及决策与路径规划，强调了融合GPS、IMU、LIDAR等多种传感器数据的重要性。
摘要由CSDN通过智能技术生成

观后日记

第一篇

1.人类一秒可以处理1000帧的信息，机器智能处理3000帧
2.l1-l3 是辅助驾驶，还需要人控制
3.l4,l5是全自动

第二篇

讲到高精地图，车道线，GPS定位
1如果有GPS,GPS给IMU一个校准
2如果没有gps信号时，通过几何定位找到车辆在高精地图的精准位置
3结合gps+imu+几何定位就可以精准的确定车辆目标
4使用纳米波lidar对距离判断的精准
5lidar对环境要求高，烟雾，树叶等空中的信息会造成雷达的错误信息
6车辆在行驶过程中对每一个观察到或者看到的信息要做一个决策，最后规划一个车可以走的路径

第三篇

车辆有ISO26262安全标准认证，必须保证故障率按十亿分之一，比人的故障率低

第四篇

apollo 1.0-2.5的版本使用的是扫地机器人 3.0使用在园区内例如自动泊车，园区巴士

第五篇

硬件平台的介绍 例如x86服务器 三大组成 感知，决策，控制
传感器有 激光雷达，毫米波雷达，摄像头，组合导航

第六篇
无人机自定位技术

1自定位系统包括位置，姿态和坐标系
2定位系统有指标，误差在10cm以内，全天候
3IMU分别加速度和角速度也就是陀螺仪
4在坐标系下，通过加速度计算出速度后，与角速度计算出的姿态结合寻找出车辆的位置
5gps从卫星发信号到各地的基站最后到移动站也就是车辆
6除了IMU使用的坐标系外，还包括E-N-U坐标系和车体坐标系，他们之间存在旋转关系

第七篇
视觉定位

视觉定位运用多融合技术，通过摄像头检测图像特征，gps的3d特征离线生成地图与IMU和轮速计的特征匹配定位（雷达和摄像机）组成定位融合技术。
3D特征地图的生成有两部分生成
1 3D提取路灯，路标，
2 2D提取出车道线，地标

最后组合导航将GPS，IMU，环境匹配中各种优缺点进行融合

第八篇
高精地图

从哪出发到哪里结束
IMU，gps，轮速计 计算位置
通过激光雷达3D建模

决策规划

规划的本质是搜索
搜索的本质是最优解
函数的定义是我们怎么样去寻找最优解

路径规划

1动态规划，重复计算
二维空间绕过障碍物较难，但是三维空间就可以直接绕过障碍物
寻找最优路径可以像寻找局部最优解的办法去规划路径
2解决难点 处理动态障碍物

apollo课程学习笔记
麒麒哈尔的博客
08-02 985
高精地图 高精地图：并不是指精度高，而是说地图包含更多的与自动驾驶相关的信息，例如车道、标志，是为了让车辆更好的理解环境。 高精地图与定位模块的关系 不管是相机还是雷达，想做特征提取，然后与高精地图中的储存的特征进行比对。 用粒子滤波自定位 高精地图与感知模块 在检测之前，高精度图标出了红绿灯的位置，就能做针对性地检测 高精度图与规划预测决策 规划：A点->B点长距离规划，短距离规划 预测：...
Apollo课程学习2——高精地图HD Map
weixin_43476492的博客
08-12 8310
Apollo课程学习2——高精地图HD Map学习前言高精地图概述一、什么是高精地图二、高精地图的特征三、高精地图与导航地图四、高精地图的作用1、静态的Perception2、弥补系统性缺陷五、高精地图与自动驾驶高精地图与其他模块的关系一、高精地图——自动驾驶的大脑二、高精地图与定位模块三、高精地图与感知模块四、高精地图与规划、预测、决策、控制模块五、高精地图与安全模块六、高精地图与仿真系统高精地图的采集与生产一、使用的传感器二、主要制图方案1、激光雷达2、Camera融合激光雷达高精地图的格式规范一、ND
Apollo课程学习4——感知
weixin_43476492的博客
08-12 3041
Apollo课程学习4——感知学习前言感知的概述一、什么是感知二、感知的任务1、检测与分类2、跟踪3、语义分割三、图像分类器步骤传感器的选择和标定一、传感器的选择1、相机2、激光雷达3、毫米波雷达二、传感器的安装三、传感器标定四、传感器融合感知算法一、点云感知1、启发式方法：NCut2、深度学习方法：CNNSeg二、视觉感知2.1 CNN检测2.2 CNN分割2.3 后处理三、红绿灯感知四、机器学习五、神经网络1、神经网络简介2、学习（训练）——后向传播3、卷积神经网络（CNN)Apollo感知
Apollo课程学习6——控制
weixin_43476492的博客
08-13 1445
Apollo课程学习6——控制学习前言控制概述一、控制的输入输出二、控制模块三、控制的作用四、控制的性能要求基于模型的控制方法一、建模二、系统辨识三、控制器设计1、滤波器设计2、控制器设计四、参数调优1、PID控制2、线性二次调节器（LQR）3、模型控制预测（MPC）4、自适应控制5、鲁棒性控制（Robust Control）6、离散化工程应用 学习前言 今天的学习内容是控制原理与方法。 控制概述 一、控制的输入输出 下图是Apollo自动驾驶框架的基本结构： 从图中可以看出，控制模块的输入一方面来自p
Apollo课程学习5——规划
weixin_43476492的博客
08-13 1848
Apollo课程学习5——规划学习前言规划概述一、什么是运动规划二、如何构建汽车的运动规划问题1、A-star算法2、D-star算法3、技术需求运动规划基本方法一、概述二、构造空间什么是规划一、地图路线规划——高等级二、轨迹生成——低等级A*算法——路线规划轨迹的评估Frenet坐标ST图路径-速度解耦规划（轨迹生成）Lattice规划（轨迹生成）最终状态分类一、ST图最终状态二、SL图最终状态 学习前言 今天的学习内容是规划。 规划概述 一、什么是运动规划 规划问题本质上是一个搜索问题，即对一个给定的
Apollo课程学习3——定位
weixin_43476492的博客
08-12 2856
Apollo课程学习3——定位学习前言无人车自定位系统一、什么是无人车自定位二、系统的指标要求三、为什么无人车需要该系统三维几何变换一、旋转二、平移三、刚体的位置和朝向四、坐标系1、ECI地心惯性坐标系2、ECFF地心地固坐标系3、当地水平坐标系4、UTM坐标系5、车体坐标系6、IMU坐标系7、相机坐标系8、激光雷达坐标系9、无人车定位中涉及的坐标系定位方法一、定位方法概述二、GNSS定位技术三、载波定位技术四、激光定位1、激光定位原理2、迭代最近点（ICP）3、滤波算法3.1 直方图滤波算法3.2
Apollo课程学习7——ROS
weixin_43476492的博客
08-14 578
Apollo课程学习7——ROS学习前言ROS概述 学习前言 今天的学习内容是ROS。 ROS概述 ROS是机器人学习和无人车学习最好Linux平台软件，资源丰厚。无人车的规划、控制算法通常运行在Linux系统上，各个模块通常使用ROS进行连接。 ...
Apollo自动驾驶课程学习
qq_43015237的博客
07-14 342
f value = g value + h value = 到下一候选点的成本 + 从下一候选点到目的地的估计成本。路线规划：粒度粗一点。Graph的边可以对任何东西建模，如行驶成本。：将道路分成一个一个小格子，然后在每个格子内随机选点，然后随机连线成多个候选轨迹。对象：静态（墙壁、树木等），动态交通参与者（行人、机动车、非机动车）：基于偏移、碰撞、限速等，对不同轨迹评估，选择最好的一条。最大限度降低车辆状态与目标轨迹的偏差，最高乘客满意度。轨迹生成：粒度更细，低级别规划。控制输出包括：转向、加速、制动。
Apollo 课程学习8——开发套件循迹
weixin_43476492的博客
08-14 1550
Apollo课程学习9——Apollo开发套件循迹实践学习前言概述实验所需Apollo硬件设备硬件连接硬件安装 学习前言 今天的学习内容是Apollo开发套件循迹实践。 概述 循迹自动驾驶是指车辆按照录制好的轨迹线进行自动驾驶。循迹的过程中车辆不能进行避障，循迹是车辆进行自动驾驶时的一个最基本的能力。 实验所需Apollo硬件设备 计算单元：使用工控机（工业控制计算机）IPC （Nuvo-6108GC series） 定位系统：主要依靠卫星定位导航系统。使用双GPS天线、GPS接收机（N
Apollo自动驾驶入门课程第④讲 — 感知（上）.pdf
04-17
Apollo自动驾驶入门课程第④讲 — 感知（上）这节课主要介绍了自动驾驶的感知部分，涵盖了计算机视觉、机器学习和感知器件等方面的知识。 首先，课程介绍了人类天生具备的多种传感器，例如眼睛、耳朵、鼻子和触觉...
百度apollo学习资料
04-19
这个“百度apollo学习资料”压缩包显然包含了丰富的学习资源，可以帮助你深入理解Apollo平台及其在自动驾驶领域的应用。 1. **Apollo自动驾驶公开课**：这部分内容可能包括了由百度专家讲解的在线课程，涵盖了自动...
Udacity X Apollo课程 学习笔记 (20180809更新)
qq91752728的博客
07-07 1466
1.Apollo架构总述 首先主要提到的就是关于一些对比ROS做出改进的地方 1.1单点故障问题 在一些通信架构中，单点故障问题是我们不可忽视的，而在ROS中，通信都是经过master节点进行发布和订阅消息。很显然如果master挂掉就会出现这个单点故障的问题。而apollo中每个节点会互相保存其他节点的信息 1.2使用共享内存加快各节点的通信速度 1.3用protobuf来序列...
UEFI学习笔记（五）：EDK II PCD的概念、类型、使用
qq_44189622的博客
09-11 829
如果在BIOS里面有一些模块是binary方式集成进来的而这些binary又需要用到PCD（用于Binary Release），那么这些Binary集成的要用到的PCD就必须要设置为。PCD的值存在memory里面，下次启动时，上次更改的值丢失了，每次启动都是从default值开始。是存在VPD空间的（在FLASH上，只读），一般是出厂配置。如果platform是从源码build出来的，没有binary在里面的时候，PCD用的都是。作用域在一个模块中（模块级的），可以在Binary Level进行修改。
计算几何学习
网安小白
09-12 436
学习计算几何过程中对经典算法的记录
看Threejs好玩示例，学习创新与技术(二)
最新发布
htsitr2的专栏
09-14 345
它的主要特点是确保生成的点之间保持一定的最小距离，从而避免点的聚集。这种方法在计算机图形学、游戏开发、物理模拟等领域中非常有用，尤其是在需要生成自然分布的对象（如树木、石头等）时。如果不进行裁剪，那么效果如下（初步的锯齿感是因为矩形内采样的结果）。为啥这么复杂呢，为啥不开始存储每个方块的UV呢？下面代码的vTexCoords（=savedModelMatrix，已修改）记录方块所在的位置，vWorldPosition表示方块中像素的偏移。在上面那副图中，聪明的你一定初步猜到了每个方块的纹理是怎么得到的。
如何用3个月零基础入门网络安全？_网络安全零基础怎么学习
2401_84466224的博客
09-11 911
我们知道计算机最早是在西方发明出来的，很多名词或者代码都是英文的，甚至现有的一些教程最初也是英文原版翻译过来的，而且一个漏洞被发现到翻译成中文一般需要一个星期的时间，在这个时间差上漏洞可能都修补了。”答案是否定的，黑客用的电脑,不需要什么高的配置,只要稳定就行.因为黑客所使用的一些程序,低端CPU也可以很好的运行,而且不占什么内存.还有一个,黑客是在DOS命令下对进行的,所以电脑能使用到最佳状态!观看学习近十年所有0day挖掘的帖，然后搭建环境，去复现漏洞，去思考学习笔者的挖洞思维，培养自己的渗透思维。
【学习笔记】SSL密码套件之哈希
Taki_UP的博客
09-12 1128
本篇介绍了TLS/SSL密码套件中常用的哈希算法，包括Poly1305、SHA384、SHA256、SHA、MD5
C语言从头学59——学习头文件math.h（二）
m0_72128260的博客
09-11 453
继续学习头文件的数学函数。
Apollo自动驾驶入门课程：高精地图的应用和重要性
Apollo自动驾驶入门课程第②讲 — 高精地图 Apollo自动驾驶入门课程第②讲 — 高精地图.pdf中，讲述了高精地图在自动驾驶领域中的重要性和应用。高精地图是自动驾驶车辆的基础，通过独特的导航体系，帮助自动驾驶...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值