Apollo

配置中心Apollo实战

Apollo（阿波罗）是携程框架部门研发的分布式配置中心，能够集中化管理应用不同环境、不同集群的配置，配置修改后能够实时推送到应用端，并且具备规范的权限、流程治理等特性，适用于微服务配置管理场景。
weixin_33682790·2020-08-08 00:47

Apollo开发避坑指南--

本文用于本人在开发Apollo代码过程中遇到的坑,不定时更新.第一坑:不同版本的代码之间都有细微的更新,不能拿老版本的代码直接放入新版本最近在为apollo新增车辆驱动,看了can协议之后发现与ch(酷黑
arron盘·2020-08-08 00:41

APOLLO基本介绍

Apollo统一配置中心的搭建和使用（java）：https://blog.csdn.net/luhong327/article/details/81453001Apollo-基本介绍WhatApollo
tshjy1·2020-08-08 00:59

百度Apollo1.0快速开始指南

Apollo1.0快速开始指南关于指南阿波罗1.0快速入门指南提供了理解、安装和构建阿波罗的所有基本指令。
不与菜鸡互啄·2020-08-08 00:26

apollo学习笔记二十：apollo 感知（下）

感知中的机器学习自动驾驶中深度学习模型需要更好的可解释性，归结为如何评估模型让用户知道模型是安全的？模型更新后如何做回归测试？模型的应用边界在哪里？目前，大家认为可解释性可以通过测试来体现，如果大量测试得到相同的结果，那么原理是不是真正的可解释也就没那么重要。在感知模块中，除了做基本的检测、分割之外，还有后处理阶段等由公式表示的几何计算问题，是不需要深度学习的。另外，Commonsense也不需要
siri99999·2020-08-08 00:42

apollo学习笔记十九：apollo 感知（中）

感知算法点云感知主要任务是感知障碍物的位置、大小、类别、朝向、轨迹、速度等。核心是点云检测分割技术，可以用启发式算法NCut和深度学习算法CNNSeg完成。启发式方法：NcutNcut算法的基本思想是基于空间平滑性假设，即空间上接近的点来自同一个障碍物。首先，利用地图信息对点云进行预处理，例如去掉感兴趣区域之外的点云，降低点云图的复杂度。然后根据预处理后的点云构建加权图G=(V,E,W)，将点云分
siri99999·2020-08-08 00:42

apollo学习笔记七：apollo定位技术

1.无人车定位技术无人车的自动定位系统，即相对一个坐标系，无人车的自定位系统知道汽车的位置和姿态。位置和姿态分别有三个自由度。(1）位置对应X，Y，Z，即相当于某个坐标系，汽车的平移是多少。(2）姿态是三个方向的一个旋转，一般会用欧拉角来表示。包括横滚、俯仰和航向。其实除了位置和姿态这两个维度，自动定位系统还要输出很多信息。除去速度、加速度和角速度外，自定位系统还需要对位置和姿态加上一个置信度，表
siri99999·2020-08-08 00:42

apollo学习笔记二十二：apollo 控制（中）

“Modeling”inControlModule两个预描模型只有一些几何现象的约束将一个四轮模型转换为一个二轮模型左转向和右转向的环境是一致的关注的是前轮和路径的距离在高速上面比较常用和简单，但对于复杂多变情况不是很合适Dynamicmodel考虑了几何约束拆解成了x方向与y方向，对力分解力，力矩平衡线性化基于差值建模空间状态量描述SystemIdentificationWhiteBox”白盒“
siri99999·2020-08-08 00:42

apollo学习笔记十五：apollo ROS（上）

背景介绍自动驾驶系统包括障碍物检测、行为决策、路径规划等一系列复杂的工程模块，同时还要支持激光雷达、相机、GPS等一系列传感器的实时数据收集和实时处理。如何将这些功能模块相互独立又相互交互集成一起，构建成一个稳定的自动驾驶系统是一个巨大的挑战，也是自动驾驶计算框架所承载的基本功能。对框架的要求：高效的开发支持模块灵活配置丰富的调试工具![在这里插入图片描述](https://img-ROS的优点如
siri99999·2020-08-08 00:42

apollo学习笔记三：预测、规划与控制

车道序列框架apollo使用车道序列框架，为道路上的物体生成轨迹。为了生成车道序列框架，我们将道
siri99999·2020-08-08 00:42

apollo学习笔记二十一：apollo 控制（上）

概览ApolloControl模块提供了三种控制方法：纵向控制、横向控制和MPC控制.将控制拆开来看，上层是一个预处理，中间是一个控制器，后面是一个后处理预处理主要是对一些不正常的信号进行一次处理，以及对一些紧急情况的处理做一些
siri99999·2020-08-08 00:42

apollo学习笔记十：apollo高精度地图（下）

apollo地图采集方案硬件设备利用激光雷达和摄像头结合来制作地图：64线类激光雷达：平装，采集路面16线激光雷达：斜向上安装，用来检测高处的红绿灯、标牌等信息长短焦相机除上述两种外，还包括IMU模块，
siri99999·2020-08-08 00:42

apollo学习笔记十八：apollo 感知（上）

感知概貌问题范围获取信息的区别人类驾驶员开车主要借助眼睛、耳朵，辅助以倒车影像和雷达来获取驾驶环境的信息。机器感知系统则根据各种各样的传感器来获取汽车周围的驾驶环境，包括Lidar，Camera，Radar，超声波雷达以及拾音器等。相对人类而言，机器感知是全覆盖，并且感知精度更高，能够达到厘米级别，但是机器感知在语义感知方面相差太大。地图定位的区别，人类驾驶员主要依靠导航地图，或者依据交通指示牌进
siri99999·2020-08-08 00:42

apollo学习笔记二：定位与感知

定位定位是指无人驾驶车准确知道自身确切位置的方法。对于定位，车辆将其传感器识别的地标，与高精度地图上存在的地标进行对比，为了进行该对比，必须能够在其自身坐标系和地图坐标系之间转换数据，然后系统必须在地图上以十厘米的精度确定车辆的精确位置。以下为几种常见的定位方法：1.GNSSRTKGNSSRTK，即GNSS+RTK（1）GNSS为全球导航卫星系统（GlobalNavigationSatellite
siri99999·2020-08-08 00:11

apollo学习笔记五：apollo开源模块

安全问题ISO-26262行业标准目前无人驾驶安全分为functionsafety（ISO-26262covered）和security1.functionsafety是指系统本身运行的安全性，又包含系统性故障SystematicFaults和随机故障RandomFaults。（1）SystematicFaults：指设计的时候系统就存在问题。软件和硬件都有可能存在系统性故障。我们要尽可能减少Sy
siri99999·2020-08-08 00:11

apollo学习笔记四：行业概述

全球出行的大趋势：(1)共享出行Uber、滴滴助推了“共享出行”概念出现，比如滴滴中的快车和顺风车便可以认为是共享出行的理念。但调查数据显示，在美国，私家车95%的时间处于空置状态。停车位占据了24%的城市空间，给城市规划带了困扰。共享出行理念为解决这些问题提供了一个方向。(2)新能源汽车新能源汽车是一种新兴产业，且新能源汽车也预示着未来汽车行业的发展方向。对于中国来说，新能源汽车为我们提供了一个
siri99999·2020-08-08 00:11

apollo学习笔记一：概览与高精度地图

概览1.无人驾驶等级划分0级：驾驶员是驾驶系统唯一决策者。1级：驾驶员辅助（driverassistance），车辆为驾驶员提供转向或加速支持。2级：部分自动化（partialautomation），车辆可自动进行部分功能，如自动巡航控制和车道保持。3级：有条件的自动化（conditionalautomation），车辆自主驾驶但驾驶员需在特定情形下接管控制。4级：高度自动化（nohumanint
siri99999·2020-08-08 00:11

Apollo学习(三): 分布式部署

说明通过之前的博文《在本地Windows系统下搭建Apollo配置中心》，学习了Apollo利用脚本在本地部署，但是使用这种方式部署，有很多限制如端口号无法修改，无法增加自定义环境、部门信息，无法让其他计算机使用配置中心等
布碗·2020-08-08 00:40

Apollo学习(二): Java客户端使用

说明本文主要是以springboot项目为基础，学习从Apollo配置中心获取值得使用方法。
布碗·2020-08-08 00:39

2020年中国智能汽车逆势增长，背后超级玩家是百度Apollo

文|魏启扬来源|智能相对论（ID：aixdlun）李想曾公开表示，“我已操盘过百亿美元级公司，我希望再操盘一家千亿美元级公司。”7月30日晚上9时30分，理想汽车正式登陆美股。理想汽车股价从15.5美元的开盘价，盘中最高涨幅超过50%至17.5美元，市值一度超过蔚来汽车，截至收盘，最终报收16.46美元，涨幅为43.13%，市值逼近140亿美元。至此，李想的千亿市值梦想迈出了从0到1的第一步。上市
智能相对论·2020-08-08 00:38

学习笔记 | Apollo Udacity自动驾驶课程笔记——感知、预测

点击上方“AI算法修炼营”，选择加星标或“置顶”标题以下，全是干货3感知1、计算机视觉无人驾驶车有四个感知世界的核心任务：检测——指找出物体在环境中的位置；分类——指明确对象是什么；跟踪——指随时间的推移观察移动物体；语义分割——将图像中的每个像素与语义类别进行匹配如道路、汽车、天空。2、Camera图像RGB图像，深度为33、Lidar图像激光雷达传感器创建环境的点云表征，提供了难以通过摄像头图
AI算法修炼营·2020-08-08 00:38

学习笔记 | Apollo Udacity自动驾驶课程笔记——高精度地图、厘米级定位

点击上方“AI算法修炼营”，选择加星标或“置顶”标题以下，全是干货前言：目前Apollo内部高精地图主要应用在高精定位、环境感知、决策规划、仿真运行四大场景，帮助解决林荫道路GPS信号弱、红绿灯是定位与感知以及十字路口复杂等导航难题
AI算法修炼营·2020-08-08 00:38

自动驾驶_高精地图与车辆协同

目录1HapMap综述1.1自动驾驶软件结构1.2HDMAP介绍1.3坐标系/定位/感知/规划1.4ApolloHDMAP1.5高精地图的制作2OpenDrive协议2.1坐标系2.2Road的表示方式
skyjhyp11·2020-08-08 00:05

自动驾驶_定位系统

目录1定位技术简介2单个定位技术2.1GNSS2.2IMU2.3Lidar/Camera2.4SLAM3定位融合技术3.1直方图滤波实例4Apollo定位方案整理自视频:https://www.bilibili.com
skyjhyp11·2020-08-08 00:05

Apollo使用

目录一、访问Portal端二、创建用户三、项目创建四、配置集成4.1、项目中引入pom依赖4.2、配置apollo连接信息4.3、配置读取4.3.1、配置数据库连接信息4.3.2、在apollo后管中配置参数
为谁攀登·2020-08-08 00:02

进阶无人驾驶—百度Apollo定位技术

课程简介课程讲解无人车的定位技术，为学习者讲解无人车定位的概念、方法以及百度Apollo无人车定位的技术，希望大家在学习的过程中有所收获，并在该平台上积极活跃贡献自己的智慧。
米店不卖你·2020-08-08 00:22

进阶无人驾驶—百度Apollo规划技术介绍

basicmotionplanningandoverview轨迹规划概览一、Whatismotionplanning通俗解释：一个搜索问题，对于当前最优的状态进行搜索，怎么样去移动的一个最优解。而这个最优值我们会去用一个函数f(x)去定义它，我们通过数学计算来确定它的最优值。上面是不同的领域所涉及的规划问题的不同方法和思想核心。当然我们都是把问题抽象化，去寻找最优值才简单。比如我举个寻找下一个点的
米店不卖你·2020-08-08 00:22

初始无人驾驶—规划

我们一般通过手机进行导航，Apollo平台利
米店不卖你·2020-08-08 00:50

进阶无人驾驶—Apollo感知之旅

知识点超声波雷达拾音器机器感知高精地图参考线相对速度一、Apollo感知之旅–感知概貌感知是机器人学科的问题，因为想要制造一个机器人，必须能和环境进行感知，去处理环境的各种障碍物和突发情况。
米店不卖你·2020-08-08 00:50

进阶无人驾驶—Apollo硬件开发平台介绍

课程简介课程简介：有关自动驾驶课件及Apollo硬件开放平台的内容，让学习者进一步了解自动驾驶汽车的硬件结构、传感器、线控等硬件系统，为熟悉整体自动驾驶技术模块打下基础。
米店不卖你·2020-08-08 00:50

进阶无人驾驶—行业概述

课程讲述任务驾驶行业及Apollo平台的核心技术模块，帮助学习者熟悉无人驾驶行业，进一步了解相关技术模块，快速上手Apollo及自动驾驶技术。
米店不卖你·2020-08-08 00:50

初始无人驾驶—概论

一、Apollo课程介绍欢迎学习本课程您好！
米店不卖你·2020-08-08 00:49

Apollo自动驾驶入门课（6）——规划

规划需要结合高精度地图、定位、预测的知识，从路线导航和轨迹生成两方面构建车辆轨迹。规划1.规划2.A*搜索算法将地图转为图A*算法3.轨迹生成3D轨迹评估一条轨迹4.Frenet坐标5.路径-速度解耦规划路径-速度解耦规划路径生成与选择ST图速度规划优化轨迹生成6.Lattice规划Lattice规划ST轨迹的终止状态SL轨迹的终止状态Lattice规划的轨迹生成1.规划路线规划，目标是找到从地图
海映瞳·2020-08-08 00:49

Apollo自动驾驶入门课（5）——预测

将复杂的车辆运动转化为车道转换序列，从而减少场景数量、更快地进行预测；然后使用现有观测值以车道序列表示，训练神经网络来进行预测；最后将车道序列预测与车辆物理结合起来，为每个物体生成估计的轨迹。运动预测对于在规划中构建无碰撞的安全路径至关重要。预测1.预测2.预测方式基于模型预测数据驱动预测基于车道序列预测3.障碍物状态4.递归神经网络RNN在目标车道预测的应用5.轨迹生成1.预测无人车需要预测周围
海映瞳·2020-08-08 00:49

初始无人驾驶—高精度地图

第二课：高精度地图*课程简介：了解高精度地图的实现逻辑，这也是Apollo定位、感知、规划模块的基础。
米店不卖你·2020-08-08 00:49

Apollo自动驾驶入门课（4）——感知

感知1.计算机视觉2.图像数据摄像头图像LiDAR图像3.机器学习4.神经网络5.反向传播算法6.CNN7.检测8.跟踪9.分割10.Apollo感知11.传感器数据比较12.感知融合策略1.计算机视觉无人驾驶车有四个感知世界的
海映瞳·2020-08-08 00:49

第三章：百度apollo定位技术

课时1：技术入门：1.什么是无人车自定位系统：自动驾驶汽车定位系统指标要求：1.精度2.鲁棒性3.场景2.为什么无人车需要精确的定位系统？1.与自动驾驶地图配合提供静态环境感知2.速度、加速度、角速度等信息用于路线规划及车辆控制3.航迹推算：IMU：惯性测量单元：包含了加速度计和陀螺仪3.卫星实时的动态差分技术（GNSS）距离差分：伪距差分和载波相位差分4.激光定位1.预先制作一个地图，比如点云图
ACMer_lld·2020-08-08 00:45

Apollo进阶课程[5]——规划技术3

UnderstandMoreontheMPDifficulty优化问题的三个方面：目标函数、约束条件和求解方法。约束限制分为硬约束和软约束，例如交通规则属于硬约束。EM规划框架eg.如图当前情况：在蓝线和红线交点处发现前方有车辆行驶缓慢，可能要进行换道处理。EM规划框架：对换道和继续在本车道行驶分别规划出一条轨迹，只有换道之后的轨迹要比本车道的轨迹好的情况下才换道。ReferenceLineDec
ios_miracle·2020-08-08 00:34

Apollo进阶课程[4]——百度Apollo高精度地图3

Apollo地图采集方案硬件：64线激光雷达平装，用于采集道路路面，16线激光雷达斜向上装，用于检测比较高处的红绿灯和标牌信息等。还有GPS（采用的是RTK）、IMU、长短焦相机。
ios_miracle·2020-08-08 00:34

Apollo进阶课程[5]——motion planning with environment

运动规划的环境变化VehicleModel的建立对于汽车而言，质点模型是远远不够的。前轮转向的车，前后位置的变化是不一样的，那么怎么去描述这种不一样呢？首先从刚体角度考虑，二维平面里的刚体涉及到XY和θ\thetaθ，也就是以车后轴中心作为XY坐标原点时车身的朝向heading。因为无人车运动模型还多了一个转向的变量，多了一个自由度，刚体模型也不够。自行车模型：将四轮抽象成两个轮子，车辆在垂直方向
ios_miracle·2020-08-08 00:34

Apollo进阶课程[3]——Apollo定位技术

无人车车辆自定位技术入门与应用技术入门相对某个坐标系，需要知道无人车的位置和姿态。位置和姿态分别有三个自由度：位置：XYZ姿态：三个方向的旋转，航向（Yaw）、俯仰（Pitch）、横滚（Roll），一般用欧拉角表示。如果本地坐标系已经定义好，现在有一个车上的坐标系，它相对于本地坐标系的变化（即姿态的变化），就可用三个角度来表示，也就是本地坐标系的三个轴和相对坐标系的这三个轴之间的夹角。速度、加速度
ios_miracle·2020-08-08 00:34

Apollo入门课程[7]——控制

控制简介控制是驱使车辆前行的策略，对于汽车而言最基本的控制输入为转向、加速和制动。控制器使用一系列路径点来接收轨迹，其任务是使用控制输入，让车辆通过这些路径点。控制器要求：准确：避免偏离目标轨迹，利于安全控制策略要可行平稳度：舒服，驱动必须连续，避免突然转向、加速、制动控制策略：比例积分微分控制(或PID)线性二次调节器(或LQR)模型预测控制(或MPC)控制流程控制器预计的两种输入，用此来计算目
ios_miracle·2020-08-08 00:03

Apollo入门课程[6]——规划

在Apollo中通过路径规划模块处理该任务。轨迹规划的目标是生成免碰撞和舒适的可执行轨迹，该轨迹由一系列点定义，每个点都有一个关联速度，和一个指示何时应抵达那个点的时间戳。
ios_miracle·2020-08-08 00:03

Apollo进阶课程[5]——Optimization Inside Motion Planning

约束问题的核心：目标函数的定义，目标函数比较清晰，对于后面的求解更有帮助。约束，比如路网约束、交规、动态约束等。约束问题的优化，比如动态规划、二次规划等。动态规划是在从动力系统中出来，通过类似于有限元的方式，把问题从连续空间抽象成离散空间，然后在离散空间中通过aggregating的方式将重复计算进行简化。这种方法可以逼近连续空间中的最优解，但是计算复杂度很高。牛顿法：考虑斜率的变化率进行收敛，利
ios_miracle·2020-08-08 00:03

Apollo进阶课程[4]——百度Apollo高精度地图1

HDMap与自动驾驶的关系主要特征：用于L3/L4级别的HDMap对道路描述更加准确清晰全面，除了由传统地图的道路级别和道路级别的连接关系（Link），它还将车道、车道的边界线、道路上各种交通设施和人行横道等所有人能看到的影响交通驾驶行为的特性全部表述出来。实时性。实时性是非常关键的指标，因为自动驾驶车完全依赖于车辆对于周围环境的处理，如果实时性不达标，可能在车辆行驶过程中会有各种各样的问题甚至造
ios_miracle·2020-08-08 00:03

无人驾驶 感知模块的几个要点

本文章来自：Apollo开发者社区原创：阿波君1、卷积神经网络卷积神经网络CNN是一种人工神经网络，它对感知问题特别有效，CNN接受多维输入包括定义大多数传感器数据的二维和三维形状。
一颗小树x·2020-08-08 00:02

Apollo 障碍物感知5大板块（推荐了解）

本文章来自：Apollo开发者社区原创：阿波君环境感知在自动驾驶汽车应用中占据了核心地位。一辆车要实现自动驾驶，障碍物感知是最基础也是最核心的功能。
一颗小树x·2020-08-08 00:02

Apollo入门课程[4]——感知

文章目录感知计算机视觉LiDAR图像机器学习、神经网络基础知识检测和分类跟踪分割Apollo感知感知传感器比较感知融合策略感知感知周围环境，需要计算机视觉技术。计算机视觉：计算机看待和理解世界的方式。
ios_miracle·2020-08-08 00:02

Apollo自动驾驶 |定位技术

原文地址：https://www.auto-testing.net/news/show-98980-2.html定位（Location）是让无人驾驶汽车知道自身确切位置的技术，这是一个有趣且富有挑战的任务，对于无人驾驶汽车来说非常重要。定位（Location）是让无人驾驶汽车知道自身确切位置的技术，这是一个有趣且富有挑战的任务，对于无人驾驶汽车来说非常重要。假设你在驾驶一辆车时彻底迷路了，你不知道
一颗小树x·2020-08-08 00:02

百度apollo-- planning规划 自动驾驶 总结2

planning总结一、问题与解决2、Navigation模式仿真3、Standard模式仿真一、问题与解决1）planning/common/frame.cc作用是什么？Frame框架保存一个计划周期内的所有数据。包括：轨迹起始点、车辆状态、参考线信息、障碍物信息，是否变更车道2）在哪里修改配置，可以更换算法来规划路线（EM、LATTICE、NAVI、RTK）？在planning目录中的conf
一颗小树x·2020-08-08 00:01
上一页 37 38 39 40 41 42 43 44 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他