无人驾驶系统概述

无人驾驶系统：（感知，规划和控制）

引自总结于：https://mp.weixin.qq.com/s/ilJos0Vreu7eF6IK1olzYA?from=timeline

1.感知：收集环境信息，如道路标志，标记，定位，障碍物的位置，速度以及可能行为，可行驶区域，交通规则等。（主要通过激光雷达[能够实时的建立起周围环境的3维地图称为点云图]和相机等）

为了更好理解点云图，对点云数据进行处理，包括分割和定位。分割将点云图中离散的点聚类成若干个整体，分类则是区分出这些整体属于哪一个类别（比如说行人，车辆以及障碍物）。
其中分割算法：转自知乎：最全综述 | 图像分割算法
分割出来的目标需要被正确的分类，常采用SVM和聚类。SVM
聚类
在无人驾驶系统中，通常使用图像视觉来完成道路的检测和道路上目标的检测。包括：车道线检测，可行驶区域检测，路标检测：其他车辆检测，行人检测，交通标志和信号检测等。
1.车道线检测：车道线检测资料集及对应代码实现
传统方法：
(1)识别出车道线线，对于弯曲的车道线计算其曲率。
(2)确定车本身在车道线的位置。
端到端方法：直接拟合车道线参数（拟合曲线每一项所对应的系数）。
端到端最小二乘拟合-鲁汶大学
基于实例分割的端到端检测模型
2.可行驶区域检测：场景分割
3.路标检测（交通参与者检测，分类）
（1）以RCNN为代表的基于Region Proposal的深度学习目标检测算法（RCNN，SPP-NET，Fast-RCNN，Faster-RCNN等）；
（2）以YOLO为代表的基于回归方法的深度学习目标检测算法（YOLO，SSD等）。

2.定位
（1）GPS+惯性导航定位方法；
（2）地图辅助类定位方法,包括同步定位与地图构建(SLAM)；
3.规划
包括：任务规划（路径规划-路网图），行为规划（决策制定-动作状态）和动作规划（基于目的动作处理）。
4.控制
任务：实现既定的动作。