![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
自动驾驶
麒麒哈尔
这个作者很懒,什么都没留下…
展开
-
深蓝学院-运动规划重点笔记
文章目录基于图搜索的方法DijkstraA*JPS(Jump Point Search)基于图搜索的方法配置空间:维度等于机器人的自由度,可以理解为一个点可以表示一个机器人的位姿。例如小车4自由度(x,y,z,θ\thetaθ)。在配置空间中,机器人表示为点。在3维空间中,要做碰撞检测,就很麻烦。所以在配置空间中做规划,要对障碍物按照机器人的尺寸做膨胀。基于图搜索的算法框架:关键问题:如果一个结点被弹出容器,就不再会被加入到容器中BFS使用的容器是队列,DFS使用的是栈。在边的权重都为1的情原创 2020-08-24 17:59:42 · 7860 阅读 · 7 评论 -
【学习笔记】深蓝学院-三维点云处理
文章目录PCA & Kernel PCASuface Normal & FiltersPCA & Kernel PCAKernel PCA可以理解为,先通过非线性变换,将点云投影到高维空间中,然后在高维空间中做PCA。但这个非线性变换函数很难找,所以通过数学变换,改写,用核方法表示。使用常用的,多项式的核,高斯的核就可以实现Kernel PCA。Suface Normal & FiltersSurface Normal就是PCA中中最后一维的向量,将点云做PCA,最后原创 2020-07-09 10:03:04 · 6827 阅读 · 9 评论 -
【Autoware源码解读】(一)Autoware的框架
文章目录最近准备读一下Autoware源码,看看要完成一个自动驾驶系统,要到底都做些什么。先放一张由demo跑出来的所有的node和topic的关系图:这张图实在是大,接下来我会记录一下这个图中的node和topic的源码都对应在哪。左上角单独的两块:...原创 2020-03-06 19:56:44 · 9228 阅读 · 5 评论 -
【自动驾驶】KITTI数据集Object数据详解
文章目录想要使用KITTI数据集中Object数据,其label的理解是非常重要的。对label的理解主要来自于官方发布的devkit_object中的readme中。但我认为这个还是讲的不够详细,这做一些记录。先列一篇博客KITTI数据集–label解析与传感器间坐标转换参数解析,讲的比较详细,接下来我主要补充一些我认为需要注意的点。1、xyz,12~14个数第12~14个数表示车辆的中...原创 2019-12-17 15:28:53 · 2236 阅读 · 10 评论 -
【自动驾驶】KITTI Road Detection Benchmark Devkit_road使用
文章目录本文介绍一下KITTI中Road Detection 的Devkit的使用,主要是将输出格式变为KITTI上传格式的部分。KITTI上传评测的格式要道路区域的俯视图,需要由前视图投影。使用官方给出的工具包。该工具包是使用Python2运行的,因为其中print的格式是python2的。但我的环境是python3的,所以需要修改一些地方:所有print的函数其中assert x ...原创 2019-12-03 19:48:40 · 1214 阅读 · 0 评论 -
【论文阅读】【综述】A survey of deep learning techniques for autonomous driving
由于本片论文不涉及技术,所以就翻译一下,看看公司的人是怎么理解DNN在自动驾驶中的应用的。文章目录A survey of deep learning techniques for autonomous drivingAbstractIntroduction在自驾车中使用基于深度学习的决策架构A survey of deep learning techniques for autonomous ...原创 2019-11-29 19:49:17 · 3288 阅读 · 1 评论 -
【自动驾驶】Oxford RobotCar Dataset数据转换
Oxford RobotCar Dataset的数据只有原始数据,没有label。Oxford的图像数据原创 2019-11-26 11:40:37 · 3898 阅读 · 4 评论 -
三维激光雷达点云处理分类
目录激光雷达点云的研究激光雷达数据的处理方法分类激光雷达点云的研究目前,学术界和业界对于激光雷达点云的处理方式的研究变的非常热门。我认为原因有二:来自学术界的推力:对于图片中的许多问题有了突破性的进展,例如图片分类、语义分割和目标检测等问题。这些突破性进展使得计算机对2D世界的理解有了质的飞跃,那么如果将问题变难,计算机是否能够对3D世界中的相对应的问题有很好的的解决办法呢?获取3D信息的...原创 2019-06-05 19:33:19 · 16158 阅读 · 10 评论 -
使用mayavi可视化点云和3D Box
python中使用mayavi画长方体框网上mayavi的参考资料比较少,有的博客基本也是搬运mayavi的官方教程,这里给出一个手册的链接:http://docs.enthought.com/mayavi/mayavi/index.html我本是想用mayavi可视化点云和3D Box,但在画3D Box时遇到了问题。import mayavi.mlab as mlabimport n...原创 2019-07-08 11:04:27 · 4864 阅读 · 14 评论 -
pointRCNN 3d框点云和图像可视化
转载一个博客,感觉很有用,可以减少可视化的工作量。https://blog.csdn.net/tiatiatiatia/article/details/97765165效果图如下原创 2019-08-19 19:44:55 · 1861 阅读 · 5 评论 -
apollo课程学习笔记
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:...原创 2019-08-02 11:53:59 · 978 阅读 · 1 评论