- 博客(9)
- 收藏
- 关注
RSS订阅原创 apollo模块信道数据
在本例中，主要讲解如何查看apollo系统中各模块之间的信道数据，这里主要查看perception信道数据，以查看感知信道的数据为例。
2024-06-26 21:16:23
739
原创 apollo安装及启动
感知模块启动脚本如上所示，可以在命令行中启动，也可以在Dreamview图形化界面启动所需要的模块。在容器内的 /apollo 目录下输出以下命令编译整个工程。在 apollo 目录下输入以下命令来启动环境容器。在 apollo 目录下输入以下命令进入容器。若需要开启编译优化，则通过以下命令进行编译。操作成功后您将会看到如下样式的提示输出。执行以下命令克隆 Apollo 源码。
2024-06-26 20:53:34
585
原创 Apollo添加新的测试算法
apollo已经预定义了点云的消息格式，所以只需要为新lidar定义一个存储原始扫描数据的proto消息，用于数据的存档和离线开发调试，相比于点云数据，存档原始数据可以大量节省存储空间。在velodyne驱动中，其扫描数据消息定义为。
2024-06-26 20:20:53
1416
原创 Apollo感知模块中传感器的输入与输出
通过高精度地图 ROI（The Region of Interest）过滤器过滤 ROI 之外的点云，去除背景对象，例如：路边建筑物、树木等，过滤后的点云数据通过障碍物检测深度学习模型进行 3D 障碍物的检测和分类，然后对得到的障碍物进行跟踪，最终得到障碍物的形状、位置、类别、速度等信息。通过对各传感器检测算法输出的障碍物分析，结合每个障碍物的传感器来源、位置、形状、速度、类别等信息，以及历史目标跟踪的信息，过滤掉一些检测不准确的障碍物。对摄像头、毫米波雷达和激光雷达传感器感知的结果进行目标级融合。
2024-06-26 19:56:05
948
原创 传感器基本原理（二）：Lidar
激光雷达点云数据，非常直白，就是“点构成的云”。前面我们提到，激光雷达主动发射激光束，通过测量光线打到物体或表面再反射回来所需要的时间，来计算激光雷达到目标点的距离，这个行为快速重复过程中会获取数百万个数据点，仪器会构建出其正在测量的空间表面的复杂“地图”，称为“点云”。再配合时间范围、激光的扫描角度、GPS 位置和 INS 信息，经过数据处理后，这些信息配合x，y，z坐标，就会成为具有距离信息、空间位置信息等的三维立体信号，再基于软件算法组合起来，系统就可以得到线、面、体等各种相关参数，以此建立。
2024-06-26 18:04:46
617
原创 传感器基本原理（一）：Camera
但为了能够得到清晰的成像，小孔应尽可能的小，这样就导致小孔只能捕获少量的光线，因此为了获取足够量度的图像，需要较长的曝光时间，这在计算机视觉应用领域是几乎无法接受的，那么接下来起到汇聚光线作用的镜头就出场了。当小孔的尺寸过大时，物体上的某点反射/发射出来的光线在成像平面上会有多个对应点，导致图像变得模糊，所以为了能够得到清晰的成像，小孔内的尺寸应该尽量的小，但是不能过于小，否则会出现光线的衍射现象，导致成像再次变得不清晰。下图展示了在镜头焦距相同的情况下，传感器的尺寸越大，相机能够成像的视场就越大。
2024-06-26 17:55:42
634
原创 Oerview
Camera模块视觉感知算法在 Apollo 平台上主要有 3 个应用场景，分别是红绿灯检测、车道线检测、基于摄像头的障碍物检测|感知模块中传感器的输入与输出]]：这里主要调研Camera和Lidar的输入与输出及融合组件的输入和输出，Camera视觉感知算法在 Apollo 平台上主要有 3 个应用场景，分别是红绿灯检测、车道线检测、基于摄像头的障碍物检测；AutoDriving:了解自动驾驶的分级，了解自动驾驶的基本原理，基本模块（感知、规划、控制），基本流程，测试场景。
2024-06-26 17:44:44
865
原创 自动驾驶初步了解
是指在一定的时间和空间范围内，自动驾驶汽车与行驶环境中的其它车辆、道路、交通设施、气象条件等元素综合交互过程的一种总体动态描述。它是自动驾驶汽车的驾驶情景与行驶环境的有机组合，既包括各类实体元素，也涵盖了实体执行的动作及实体之间的连接关系。在自动驾驶汽车设计、研发、测试和评价中扮演重要角色；开展自动驾驶汽车测试评价的重要前提；基于场景的自动驾驶汽车测试方法是实现加速测试、加速评价的有效途径；测试、验证、评价自动驾驶功能与性能的关键，贯穿自动驾驶车辆研发测试全生命周期。
2024-06-26 17:32:56
881
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