自动驾驶初步了解
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。
基本原理:通过传感器实时感知车辆及周边环境的情况,再通过智能系统进行规化决策,最后通过控制系统执行驾驶操作。
基本模块:地图引擎(Map)、高精定位(Localization)、感知(Perception)、预测(Prediction)、规划(Planning)、控制(Control)。
自动驾驶测试场景: 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。
传感器基本原理
Camera感知
景物反射(或发出)的光线通过镜头(Lens)照射至传感器(Sensor)表面,然后将光信号转换为模拟电信号,经过数模转换(A/D),将模拟信号转换为数字信号,传递至数字图像信号处理器(Digital Signal Processor,DSP)进行加工处理,通过I/O接口传出到CPU进行处理,再通过LCD显示图像
LiDAR-激光雷达
蝙蝠测距用的回波时间(Time of Flight,缩写为TOF)测量方法。分析目标物体表面的反射能量大小、反射波谱的幅度、频率和相位等信息,输出点云,从而呈现出目标物精确的三维结构信息
Apollo
Apollo初步了解
了解apollo系统的目录结构,了解其[[Apollo#一级目录(/)|一级目录]],[[Apollo#二级目录:|二级目录]],对于三级目录主要看研究的方向,这里主要集中在感知模块。
感知模块中传感器的输入与输出
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;激光雷达感知模块接受来自激光雷达驱动的点云信息,利用这些点云信息进行障碍物的检测以及跟踪,得到的结果会被输出到感知融合模块进行下一步处理;融合组件主要对摄像头、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,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。
添加新的测试算法
有时候需要对原有的算法进行修改,则需要添加自己定制的算法。这里主要讲解对Camera和lidar添加新的测试算法。
apollo安装及启动
这里演示了如何安装apollo,并启动apollo及其子模块。
查看模块信道数据
这里主要讲解通过两种方式查看模块信道之间的数据。第一种是通过CyberMonitor在apollo实时运行是,查看各通道之间的数据;第二种是通过提供的python API 对保存下来的recorder进行解析,获取个通道之间的数据。