Oerview

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。