- 博客(24)
- 资源 (7)
- 收藏
- 关注
RSS订阅原创 SOTIF - 汽车感知系统验证和确认
预期功能安全系列文章文章目录预期功能安全系列文章汽车感知系统验证和确认汽车感知系统验证和确认本文源自于ISO/PAS 21448-2019 Road Vehicles - Safety of the intended functionality预期功能安全标准，附录D部分，Automotive perception systems verification and validation.汽车感知系统验证和确认是非常困难的，本附录描述感知系统验证和确认的示范。假设：测试行驶无法覆盖每一个可行驶道路；
2021-07-05 22:25:54
684
原创 卡尔曼滤波器基础
Sensor Fusion系列文章传感器融合是将多个传感器采集的数据进行融合处理，以更好感知周围环境；这里首先介绍传感器融合相关的知识，包括卡尔曼滤波器基础，扩展卡尔曼滤波器，无损卡尔曼滤波器等。系列文章目录1. 卡尔曼滤波器基础文章目录Sensor Fusion系列文章高斯概率分布介绍预测（Prediction）&更新（Update）卡尔曼滤波器设计高斯概率分布介绍卡尔曼滤波器是一种基于高斯概率分布的系统状态估计技术。高斯分布（Gaussian Distribution）的概率密
2021-07-01 09:40:14
356
原创 SOTIF预期功能安全工作流程
预期功能安全系列文章SOTIF预期功能安全理解及分析方法SOTIF预期功能安全工作流程文章目录预期功能安全系列文章SOTIF预期功能安全工作流程SOTIF预期功能安全工作流程
2021-06-20 15:13:40
849
原创 SOTIF预期功能安全分析方法
SOTIF预期功能安全介绍文章目录SOTIF预期功能安全介绍前言前言在汽车四化（电动化、网联化、智能化、共享化）领域，尤其是自动驾驶领域，我们发现不是所有的安全问题都来源于E&E系统故障（ISO26262功能安全定义范畴），还需要考虑外界环境（如超出ODD范围，恶劣天气等的影响），系统性能局限，驾驶员误用等因素的影响，比如以下2016年特斯拉的致死事故。这类非故障条件下系统功能不及预期而导致的风险就是SOTIF（ISO/PAS 21448 Safety of the intended
2021-06-20 10:47:52
7429
1
原创 基于Bounding Box的激光点云聚类
系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章 Python 机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言基于ROI实现激光点云聚类二、使用步骤1.引入库2.读入数据总结前言本节我们将通过从2D图像检测获取到的ROI（Region of interests）来对激光点云进行聚类，避免错误聚类。基于此初步的3D点云聚类，我们可以提取最近点的一些信息，比如距离，激光点云数量，目
2021-05-30 10:51:50
1801
1
原创 三维激光点云到二维图像的投影
系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章 Python 机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例
2021-05-30 10:48:48
17598
4
原创 YOLOv3物体检测
系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章 Python 机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言YOLO简介YOLOv3 WorkflowYOLO的算法流程YOLO3算法处理流程及其代码前言截止目前我们已经实现2D图像特征跟踪，3D激光点云测距和激光点云投影至图像上。为稳定的获取TTC估计，我们还需要聚类投影的同一车辆上的激光点云，去除非关联点云（如地面反射点云）
2021-05-30 10:07:02
1759
原创 常见特征描述符介绍
系列文章目录Descriptor描述符提供特征点Keypoint周围的独特信息。本章将介绍基于梯度的描述符和二进制描述符的差异，以及计算速度的优势。基于梯度的描述符的的代表：Scale Invariant Feature Transform (SIFT)；二进制描述符代表：Binary Robust Invariant Scalable Keypoints (BRISK)提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录HOG描述符Scale-Invaria
2021-05-30 09:59:11
4598
原创 常见特征检测算法介绍
系列文章目录Harris检测算法对于图像的某些变化效果不是很好，比如旋转，尺寸变化甚至透视变换。本篇首先熟悉这些图像变换，然后再介绍目前的一些关键点检测算法。提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录亮度和几何变化不变性自动尺寸选择常用特征点检测算法介绍亮度和几何变化不变性目前已经有很多特征检测算法（包括Harris检测算法）可以选择，根据需要检出的关键点类型和图像特性，需要考虑相关算法对亮度和几何变化的鲁棒性。下图是前后不同时刻帧的图像，可以看到
2021-05-30 09:52:22
2815
1
原创 OpenCV图像特征提取
图像特征提取本章中我们将讨论如何识别并可靠稳定的跟踪连续帧中的图像特征。主要内容包括：intensity gradients and image filtering basics and the properties required to describe suitable keypointsfamiliar with how intensity can be used to describe noteworthy points mathematically，Harris detectorLoc
2021-05-30 09:41:10
10209
1
原创 摄像头基础及校准
系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章 Python 机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录针孔摄像头模型二、畸变二、使用步骤1.引入库2.读入数据总结针孔摄像头模型小孔成像模型成像平面到像素坐标单
2021-05-21 22:32:43
9159
6
原创 FMCW毫米波雷达原理
雷达测速原理雷达主要利用多普勒频移来测量移动物体的速度，即雷达向前发射毫米波波段的电磁波，并接收其回波；如遇到移动物体，则回波频率与发射频率会出现偏差，即多普勒频移；利用此频移即可获得相对速度。多普勒频移公式如下：$ f_d = 2 v_r *f_0/c $其中fdf_dfd为多普勒频移，vrv_rvr为相对速度，f0f_0f0为发射频率（24GHz/77GHz/79GHz），ccc为光速（299792458m/s）；由此公式可以推导出，对于77GHz毫米波雷达，f0=76.5GHzf_0=76
2021-05-18 19:54:01
11144
原创 激光雷达障碍物识别
PCD数据处理提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章 Python 机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录PCD数据处理前言PCD数据读取二、使用步骤1.引入库2.读入数据总结前言在前一章节，我们已经了解如何分割和聚类简单的仿真产生的点云。这里我们将介绍如何使用分割和聚类算法处理自动驾驶车辆的真实点云数据。同时我们将介绍点云滤波处理，已经处理pcd文件流实现障碍物检测的方法。PCD数据
2021-05-16 20:29:36
3133
1
原创 基于PCL实现欧式聚类提取
Lidar系列文章传感器融合是将多个传感器采集的数据进行融合处理，以更好感知周围环境；这里首先介绍激光雷达的相关内容，包括激光雷达基本介绍（本节内容），激光点云数据处理方法（点云数据显示，点云分割，点云聚类，障碍物识别实例）等。系列文章目录1. 激光雷达基本介绍2. 激光点云数据显示3. 基于RANSAC的激光点云分割4. 点云分割入门级实例学习5. 激光点云目标物聚类文章目录Lidar系列文章基于PCL实现欧式聚类提取基于PCL实现欧式聚类提取本节我们将介绍如何用PCL Euclid
2021-05-16 11:47:42
1128
原创 激光点云目标物聚类
系列文章目录文章目录系列文章目录前言欧氏聚类KD-TreeKD-Tree中搜索点使用PCL进行欧氏聚类前言目前我已经实现点云分割，分离出障碍物点云。如果可以将这些障碍物进行区分，分离出同一物体反射的点云，则将会对我们的多目标跟踪（车辆，行人，自行车等）非常有帮助。欧氏聚类聚类：分离出属于同一障碍物的激光点云，比如车辆，行人等；欧氏聚类：Euclidean clustering，根据点之间的距离进行分组关联；KD-Tree：通过将搜索空间分块并将点云分类进不同的区域，减小了不相邻点云间的距离计算
2021-05-16 09:22:09
2038
原创 点云分割入门级实例
Lidar系列文章传感器融合是将多个传感器采集的数据进行融合处理，以更好感知周围环境；这里首先介绍激光雷达的相关内容，包括激光雷达基本介绍（本节内容），激光点云数据处理方法（点云数据显示，点云分割，点云聚类，障碍物识别实例）等。系列文章目录1. 激光雷达基本介绍2. 激光点云数据显示3. 基于RANSAC的激光点云分割文章目录Lidar系列文章基于PCL实现平面模型分割基于PCL实现圆柱体模型分割基于PCL实现平面模型分割本小节主要介绍如何对一组点云数据做一个简单的平面分割。#inclu
2021-05-16 08:21:40
1327
原创 基于RANSAC的激光点云分割
系列文章目录文章目录系列文章目录RANSAC随机抽样一致简介实例-使用RANSAC拟合直线实例-使用RANSAC拟合平面使用PCL点云库分割平面RANSAC随机抽样一致简介RANSAC（RANdom SAmple Consensus）随机抽样一致定义：从一组包含“局外点”的观测数据集中，通过迭代方式估计数学模型的参数。每次迭代时选取一个数据子集（线：2个数据点，面：三个数据点）并对其进行拟合，计算剩余点到拟合后的模型（线/面）的距离，包含最多数量的“局内点”（距离模型一定范围内的点）或最小的噪声作为
2021-05-15 18:28:46
2488
2
原创 激光点云数据显示
系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章 Python 机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言激光点云数据显示一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言本章将介绍如何加载、俯视图显示激光点云数据，去除地面反射点云。所使用的是KITTI数据集，使用Velodyne HDL-64E机械旋转式激光雷达采集，旋转频率10Hz，一圈大概有100k点
2021-05-15 11:58:05
2046
原创 激光雷达基本介绍
激光雷达系列文章目录传感器融合是将多个传感器采集的数据进行融合处理，以更好感知周围环境；这里主要介绍激光点云数据处理以获取障碍物位置信息。提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录激光雷达系列文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，
2021-05-11 22:36:37
4112
原创 Camera TTC估计
本章我们将介绍使用Camera估计与前车的TTC（Time To Collision）。首先我们将展示如何基于Camera连续帧中车辆尺寸变化计算TTC；然后我们使用神经网络标记车辆在图像中的位置信息（Bounding Box）；由于用Bounding Box来计算TTC不是很准确，我们将讨论使用关键点检测（keypoint detection）来准确的估计TTC。文章目录前言一、Camera TTC估计方法二、使用步骤1.引入库2.读入数据总结前言相比Lidar TTC估计，基于Camera估计
2021-04-17 17:08:20
1112
原创 激光雷达TTC估计
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考一、pandas是什么？示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。二、使用步骤1.引入库代码
2021-04-17 13:16:23
1931
原创 毫米波雷达基本介绍
##毫米波雷达基础车载毫米波雷达通过发射电磁波信号（24GHz/77GHz/79GHz毫米波波段）并接收回波信号来测定汽车车身周围的物理环境信息（如汽车与其他物体之间的相对距离、相对速度、角度、运动、运动方向等），然后根据所探知的物体信息进行目标追踪和识别分类，进而结合车身动态信息进行数据融合，完成合理决策，减少事故发生率。其中测速可以直接根据发射波和回波的多普勒频移获得，测距无法直接获得，目前主要通过FMCW调频连续波的发射和回波信号联合解算获得。多普勒效应当信号源与观测者以相对速度v≠0运动时，观
2021-04-11 08:21:57
15025
2
Sensor Fusion Using Synthetic Radar and Vision Data.mlx
2021-05-22
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人