首页
学习
活动
专区
工具
TVP
发布

半杯茶的小酒杯

专栏作者
117
文章
121754
阅读量
38
订阅数
自动驾驶轨迹跟踪(一)-模型预测控制(MPC)代码实现
模型预测控制(MPC)的理论推导部分见前文: 自动驾驶轨迹跟踪-模型预测控制(MPC) 这里主要用Python代码实现前文的推导结论。
YoungTimes
2022-04-28
4.1K1
NIO Day 2020的一些记录
昨天跑去门店体验Tesla Model Y,顺便试驾了一下Model 3,现场感受下汽车行业“百年未有之大变革”。一个特别强烈的感觉是,汽车正在经历的类似从"功能手机->智能手机”的升级比预期要来的快的多。作为Tesla的小小...小股东和自动驾驶行业的从业者,第一次切身感受到了历史大趋势的力量,浩浩荡荡,势不可挡。
YoungTimes
2022-04-28
2730
自动驾驶什么时候才会凉凉,估计还要多久?
能问出这种问题说明是个内行人,目前自动驾驶的难点主要在于感知和决策规划,纯视觉的路线基本上game over了,虽然以后,算力会越来越大,越来越便宜可以实时跑更复杂的神经网络模型,但是,这些模型,或者视觉这种手段本身就很有局限性,并且,训练成本也高,受环境影响大,造成基本不可能达到商用级别的鲁棒性;而现实道路的复杂性,和真实世界近乎无穷无尽的变化,是很难利用有限的数学模型(神经网络模型)完全拟合出来的。一个典型的场景,红绿灯或者交通标致相对老说是很简单有限的一些图形,但是放在中国香港,东京那种狭窄的充满花花绿绿广告牌的街道目前来看也很难准确鲁棒的识别出来。当然可以通过一些技术手段,比如锁定搜索区域,借助V2X 5g车联网等帮助,但是这已经不是一个纯视觉的问题了;
YoungTimes
2022-04-28
4950
PID控制算法
PID控制算法是一个在工业控制应用中常见的反馈回路算法,它把收集到的数据和一个参考值进行比较,然后把这个差别用于计算新的输入值,从而使得整个系统更加准确而稳定。
YoungTimes
2022-04-28
2.8K0
自动驾驶运动预测(Motion Prediction)
运动预测(Motion Prediction)模块主要解决自动驾驶车辆与周围环境中的其它运动物体(车辆、行人等)的协同交互问题。该模块对感知模块所检测到的运动物体进行未来一段时间内行为意图的预测,并将预测的结果转化为时间维度和空间维度的轨迹。以这些障碍车、行人、非机动车等运动物体的预测轨迹作为输入,自动驾驶车辆可以做出更加合理的驾驶决策,规划出更加合理、安全的车辆运动行为。
YoungTimes
2022-04-28
1.2K0
Mobileye自动驾驶安全能力解读
安全性(Safety)是自动驾驶的首要目标和追求,但是在如下图所示的复杂场景中,人类司机会做出违反道路交通规则的限制的危险驾驶行为,从而达到快速通行的目的。对于自动驾驶车辆来说,如何在保证安全性的前提下,也能够处理如此复杂的道路交通环境呢?
YoungTimes
2022-04-28
5390
Lanelets: 一种高效的自动驾驶高精地图表达方式
LaneLets是自动驾驶领域高精度地图的一种高效表达方式,它以彼此相互连接的LaneLets来描述自动驾驶可行驶区域,不仅可以表达车道几何,也可以完整表述车道拓扑,同时可以集成交通规则和人的驾驶习惯。
YoungTimes
2022-04-28
7140
自动驾驶路径规划技术-三次样条插值(Cubic Spline Interpolation)曲线及Python代码实现
自动驾驶运动规划(Motion Planning)是无人驾驶汽车的核心模块之一,它的主要任务之一就是如何生成舒适的、碰撞避免的行驶路径和舒适的运动速度。生成行驶路径最经典方法之一就是是Sampling-Based Planner算法;基于采样的规划器可以规划出可行的轨迹,但这种轨迹往往是折线,为了保证车辆行驶过程中给乘客良好舒适的体验,需要对规划的轨迹进行平滑。Cubic Spline就是一种常用的插值平滑算法,通过一系列的控制点得到一条连续平滑的轨迹。
YoungTimes
2022-04-28
1.3K0
自动驾驶运动规划(Motion Planning)
Motion Planning是在遵循道路交通规则的前提下,将自动驾驶车辆从当前位置导航到目的地的一种方法。
YoungTimes
2022-04-28
1.5K0
Couresa多传感器融合代码实现
Couresa上的Multi-Sensors Fusion Project效果如下:
YoungTimes
2022-04-28
5780
自动驾驶定位算法(十五)-基于多传感器融合的状态估计(Multi-Sensors Fusion)
Coursera Lecture -> State Estimation and Localization for Self-Driving Cars -> Multisensor Fusion for State Estimation
YoungTimes
2022-04-28
1.1K0
自动驾驶定位算法(十四)-递归贝叶斯滤波
今天讨论自动驾驶汽车中高精定位相关的基础原理之一,同时也是机器人技术中的基础算法-贝叶斯滤波器(Bayes Filter)。
YoungTimes
2022-04-28
7550
自动驾驶定位算法(十三)-粒子滤波(Particle Filter)
自动驾驶对定位的精度的要求在厘米级的,如何实现厘米级的高精度定位呢?一种众所周知的定位方法是利用全球定位系统(GPS),利用多颗卫星的测量结果,通过三角测量(Triangulation)机制确定目标的位置,GPS定位的原理见自动驾驶硬件系统(十一)-Global Navigation Satellite Systems (GNSS),但是GPS并不总是提供高精度定位数据,在GPS信号强的情况下,定位精度在1~3m范围内,在GPS信号弱的情况下,定位精度下降到10~50m范围内。虽然依赖于RTK,可以将卫星定位的精度提高到厘米级,但是在GPS信号弱的场景下,定位精度仍然不能满足应用需求。所以仅仅使用GPS不能实现高可靠的高精度定位的。
YoungTimes
2022-04-28
1.5K0
自动驾驶硬件系统(十二)-激光雷达(Lidar)测量模型
激光雷达(Lidar, Light Detection And Ranging)是Google系自动驾驶技术路线广泛应用的硬件传感器。
YoungTimes
2022-04-28
1K0
自动驾驶硬件系统(十一)-Global Navigation Satellite Systems (GNSS)
高精度全局定位系统本质上可以看做一个级联的定位系统,先通过GNSS系统提供一个可能的位置范围,再利用激光雷达(Lidar)系统、视觉定位系统等方法进行局部环境的搜索匹配,从而实现厘米级的定位精度。由于需要由GNSS为高精度定位系统提供全局唯一的位置初值和误差范围,所以它在自动驾驶系统中的作用至关重要。
YoungTimes
2022-04-28
5310
自动驾驶硬件系统(十)- Inertial Measurement Unit (IMU)
惯性测量单元(Inertial measurement unit,简称 IMU),是测量物体三轴姿态角及加速度的装置。一般IMU包括三轴陀螺仪及三轴加速度计,部分IMU还包括三轴磁力计。IMU在小至手机、VR,大至航空、航天领域都得到了广泛的应用。手机中的微信运动记录步数使用了IMU;VR中随着头部姿态变换切换视野场景用到了IMU;在GPS之前,航运轮船跨海航行确认航向依赖IMU;Apollo登月中依赖IMU实现位置追踪和朝向确认等等。
YoungTimes
2022-04-28
1.3K0
自动驾驶定位算法(九)-直方图滤波定位
直方图滤波的算法思想在于:它把整个状态空间 dom(x(t))切分为互不相交的部分
YoungTimes
2022-04-28
4670
从零开始学习自动驾驶系统(八)-基础知识之车辆姿态表达
辆位置和姿态是自动驾驶中的一个基础问题,只有解决了车辆的位置和姿态,才能将自动驾驶的各个模块关联起来。车辆的位置和姿态一般由自动驾驶的定位模块输出。
YoungTimes
2022-04-28
2.2K0
从零开始学习自动驾驶系统(七)-无迹卡尔曼滤波Unscented Kalman Filter
Unscented Kalman Filter是解决非线性卡尔曼滤波的另一种思路,它利用Unscented Transform来解决概率分布非线性变换的问题。UnScented Kalman Filter不需要像Extended Kalman Filter一样计算Jacobin矩阵,在计算量大致相当的情况下,能够获得更加精确非线性处理效果。
YoungTimes
2022-04-28
7050
从零开始学习自动驾驶系统(六)-Error State卡尔曼滤波
ES-EKF是EKF的一种变种,它的基本思想就是把State区分为两部分:Nominal State和Error State。如下所示:
YoungTimes
2022-04-28
8200
点击加载更多
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档