apollo无人驾驶

Apollo Planning决策规划算法代码详细解析 (10)：PiecewiseJerkPathOptimizer

optimizer类别它的作用主要是：1、根据之前decider决策的referenceline和pathbound，以及横向约束，将最优路径求解问题转化为二次型规划问题；2、调用osqp库求解最优路径；ApolloPlanning
自动驾驶Player·2022-12-09 15:30

Apollo Planning决策规划算法代码详细解析 (7): PathReuseDecider

lanefollow场景下，所调用的第2个task，它的作用主要是换道时：根据横纵向跟踪偏差，来决策是否需要重新规划轨迹；如果横纵向跟踪偏差，则根据上一时刻的轨迹生成当前周期的轨迹，以尽量保持轨迹的一致性ApolloPlanning
自动驾驶Player·2022-12-09 15:00

Apollo Planning决策规划算法代码详细解析 (8): PathLaneBorrowDecider

ApolloPlanning决策规划系列文章ApolloPlanning决策规划代码详细解析(1)：Scenario选择ApolloPlanning决策规划代码详细解析(2)：Scenario执行ApolloPlan
自动驾驶Player·2022-12-09 15:00

Apollo Planning决策规划算法代码详细解析 (9): PathBoundsDecider

ApolloPlanning决策规划系列文章ApolloPlanning决策规划代码详细解析(1)：Scen
自动驾驶Player·2022-12-09 15:00

Apollo Planning决策规划算法代码详细解析 (4)：Stage逻辑详解

之前的章节讲到，Apollo在每个palnning周期首先决策当前处于哪个场景Scenario下面的哪个状态stage当中，本章节以最常用的LaneFollowStage为例，介绍了Stage如何注册task
自动驾驶Player·2022-12-09 15:30

Apollo Planning决策规划算法代码详细解析 (5)：规划算法流程介绍

之前的章节介绍了planning模块的整体框架，经过scenario与stage的选择，便进入了具体的task任务，由一系列配置好的task组成了具体的规划算法，本章以apollo中的PublicRoadPlanner
自动驾驶Player·2022-12-09 15:30

四步，用python实现一辆自动驾驶的小车

尽管目前还不允许无人驾驶汽车上路，但很多新款汽车都已经有了辅助驾驶的功能。这个趋势已经很明显，人类不需要自己开车只是早晚的问题。
湾区人工智能·2022-12-09 15:29

自动驾驶算法详解(1) : Apollo路径规划 Piecewise Jerk Path Optimizer的python实现

本文作为ApolloPlanning决策规划代码详细解析系列文章的补充，将使用Python代码以及anaconda环境，来实现Apollo决策规划Planning模块里的PiecewiseJerkPathOptimizer
自动驾驶Player·2022-12-09 15:59

PointPillars：基于点云的快速目标检测网络

1PointPillars简介PointPillars是一个基于点云的快速目标检测网络，在配置为Inteli7CPU和1080tiGPU上的预测速度为62Hz，在无人驾驶领域中常常能够使用上它，是一个落地且应用广泛的一个
等到天蓝再看海1·2022-12-09 15:26

【三维目标检测】Pointpillars（一）

PointPillars在配置为Inteli7CPU和1080tiGPU上的预测速度为62Hz，在无人驾驶领域中常常能够
Coding的叶子·2022-12-09 15:23

每日新闻 | 谷歌与FTC达成和解：因侵犯儿童隐私被重罚2亿美金

每日新闻播报第09-02期1趋势洞察中国工程院院士李德毅：5G真正用武之地在临港新片区2019世界人工智能大会无人驾驶高峰论坛在上海召开。
Z1Y492Vn3ZYD9et3B06·2022-12-09 09:50

数据开源 | Magic Data开源DMS驾驶员行为数据集

目前大部分车企正在朝着完全自动驾驶努力，大部分已经落地的无人驾驶技术仍然是L2与L3级。
Magic Data·2022-12-09 09:45

提高智能汽车车身传感器准确度的激光雷达标定板

无人驾驶从应用层面可以分为四个阶段，阶段1是资讯被动侦测期，该阶段主要应用于车载资讯服务；阶段2是资讯互动交换期，也就是当前所处阶段，该阶段主要应用于ADAS等；阶段3是资讯主动传达期，该阶段主要应用为
JYGD686868·2022-12-09 09:35

智能无人驾驶感知校准-车载激光雷达标定板

随着人工智能、算法深度、车联网等新一代智科技的高速发展与深度融合，智能无人驾驶的关键技术日渐成熟，其应用场景逐渐扩大，成为业界聚焦点之一。
JYGD686868·2022-12-09 09:34

无人驾驶激光雷达目标板

如火如荼的自动驾驶技术发展到现在，无人驾驶的车辆已经走上了街头。但是，为了保证行车的安全，绝大多数无人驾驶车辆都会在副驾座位上配备“安全员”，来监控车辆的行车状态。
JYGD686868·2022-12-09 09:34

机器人路径跟踪 代码 博客_代码详解——最简NMPC路径跟踪仿真代码

第一个命名为NMPC_main.m，作为仿真的主文件，贴入如下代码：%NMPC最简代码作者北京科技大学白国星[email protected]%致谢：原始框架来自北京理工大学龚建伟教授团队著作《无人驾驶车辆模型预测控制
weixin_39542936·2022-12-09 09:59

基于simulink平台的非线性模型预测控制算法实现代码，无人驾驶运动控制

基于simulink平台的非线性模型预测控制算法实现代码，无人驾驶运动控制，代码自己编写的。ID:2910607171173480tbNick_1pmnj
「已注销」·2022-12-09 09:28

无人驾驶学习笔记 - A-LOAM 算法代码解析总结

目录1、概述2、scanRegistration.cpp2.1、代码注释2.1.1、主函数2.1.2、removeClosedPointCloud（雷达周边过近点移除）2.1.3laserCloudHandler激光处理回调函数2.2、总结概括3、LaserOdometry.cpp3.1、代码注释3.2、总结概括4、laserMapping.cpp4.1、代码注释4.2、总结概括5、lidarFa
ppipp1109·2022-12-09 09:25

无人驾驶环境下的图像语义分割 CityScapes 数据集使用方法分享

CityScapes是目前自动驾驶领域最具权威性和专业性的图像语义分割评测集之一，其关注真实场景下的城区道路环境理解，任务难度更高且更贴近自动驾驶等热门需求。今天就带大家一起来看看。一、数据集简介发布方：DaimlerAGR&D,TUDarmstadt,MPIInformatics发布时间：2015背景：聚焦于城市街道场景的语义理解。简介：CityScapes数据集有以下特点：●标注多样，包含实例
OpenDataLab·2022-12-09 05:01

2022百度ApolloDay技术开放日：文心大模型在自动驾驶感知中的落地应用

2数据处理大模型技术是自动驾驶行业近年的热议趋势，但能否落地应用、能否用好是关键难题。百度自动驾驶依托文心大模型特色优势，率先实现技术应用突破。百度自动驾驶技术专家王井东表示：文心大模型-图文弱监督预训练模型，背靠文心图文大模型数千种物体识别能力，大幅扩充自动驾驶语义识别数据，如：特殊车辆（消防车、救护车）识别、塑料袋等，自动驾驶长尾问题解决效率指数级提升；此外，得益于文心大模型-自动驾驶感知模型
自动驾驶小学生·2022-12-09 01:20

人工智能的典型应用

1、无人驾驶无人驾驶汽车是依靠人工智能、视觉计算、雷达、监控装置和全球定位系统的协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。
我只喜欢学习！·2022-12-09 01:08

基于wsl的Apollo环境配置

目录一、安装linux系统二、下载dockerdesktop三、获取源码编译镜像四、验证修改显示ip获取数据包一、安装linux系统这儿为了方便我选择的是windows下的wsl，ubuntu版本选择了18.04，具体如何安装网上还是有很多教程，很简单就不说了，wsl记得升级为wsl2版本。二、下载dockerdesktop因为使用的是wsl,所以只需要在windows下载安装好dockerdes
在努力的松鼠·2022-12-09 00:32

【MATLAB】无人驾驶车辆的模型预测控制技术（精简讲解和代码）【运动学轨迹规划】

文章目录0.友情链接1.引言2.预测模型3.滚动优化3.1.线性化3.2.UrU_rUr的求取3.3.离散化与序列化3.4.实现增量控制4.仿真示例0.友情链接B站链接1-北京理工大学无人驾驶技术课程B
非线性光学元件·2022-12-08 13:29

人工智能的十大应用(无人驾驶丨人脸识别丨医学图像处理）

导读：人工智能已经逐渐走进我们的生活，并应用于各个领域，它不仅给许多行业带来了巨大的经济效益，也为我们的生活带来了许多改变和便利。下面，我们将分别介绍人工智能的一些主要应用场景。这篇文章，希望对你职业生涯选择会有帮助。如果你想学习入门人工智能AI，可以来我建的人工智能学习群:[672948930]，群里有我整理的一份关于pytorch、python基础，图像处理opencv自然语言处理、机器学习、
计算机视觉农民工·2022-12-08 01:11

聚观早报 | 滴滴被处罚 80.26 亿元；百度发布第六代量产无人车

今日要闻：滴滴被处罚80.26亿元罚款；百度发布第六代量产无人车ApolloRT6；特斯拉出售比特币资产，套现近10亿美元；字节跳动估值跌破3000亿美元；哪吒汽车完成超30亿元D3轮融资滴滴被处罚80.26
聚观365·2022-12-07 21:47

视觉2D感知（二）：语义分割算法及在无人驾驶的应用

一.物体检测算法的不足1.稀疏的输出结果目标物体的位置、大小、类别、速度等无法感知非物体，比如道路、建筑物、数目等无法识别可行驶区域，无法规避所有障碍物2.粗略的物体框表示矩形框：中心点+长宽无法精确表述物体形状3.受限的应用场景自适应巡航自动紧急刹车盲区监测不适用于车道保持和泊车辅助二.语义分割1.稠密的输出结果每个像素点的语义类别物体：实例ID+分割Mask非物体：分割Mask2.应用场景可行
anthony-36·2022-12-07 18:28

车道线数据集

常用的公开车道线数据集合ApolloScape论文:TheApolloScapeOpenDatasetforAutonomousDrivinganditsApplication简介:百度2018年公开（
zsffuture·2022-12-07 18:58

【传感器sensor】机器人/无人驾驶常用传感器模型、选型与安装

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TODO:写完再整理文章目录系列文章目录前言一、常用传感器类型及模型特性介绍【核心】1.轮式编码器（提供里程计）编码器内参标定方法2.IMU惯性导航系统（提供里程计、位姿）1.惯性技术简介2.惯性器件误差分析3.惯性器件内参标定4.惯性器件温补5.惯性导航解算3.雷达Lidar（提供点云）（1）线激光雷达Lidar1）激光
盒子君~·2022-12-07 15:29

多传感器信息融合(标定, 数据融合, 任务融合)

数据层融合3.1融合的传统方法3.2深度学习方法4.任务层融合4.1传统之障碍物检测跟踪4.2传统之多传感器定位4.3深度学习之障碍物检测跟踪4.4深度学习之定位1.引言自动驾驶感知和定位中传感器融合成了无人驾驶领域的趋势
肥嘟嘟的左卫门·2022-12-07 15:21

carsim与MPC工具箱联合仿真

carsim与MPC工具箱联合仿真写在前面的话步骤写在前面的话《无人驾驶车辆模型预测控制》作为国内车辆领域使用MPC作为控制算法的先驱者，对后来的研究人员产生了极大的影响。
SSW.hani·2022-12-07 15:12

无人驾驶路径跟踪--基于轨迹预测的预瞄控制的Carsim和Simulink联合仿真实现

文章目录前言一、基于轨迹预测的预瞄控制原理二、Carsim搭建模型三、matlab控制模型搭建总结前言利用基于轨迹预测的预瞄控制实现无人驾驶汽车的路径跟踪。
梦中的飞行家·2022-12-07 15:42

【Carsim Simulink自动驾驶仿真】基于MPC的速度控制

项目介绍：教程为北理工的无人驾驶车辆模型预测控制第2版，代码为开源代码。所用的仿真软件为Carsim2020.0和MatlabR2021a。使用MPC控制思想对车辆进行速度控制，并给出仿真结果。
薯一个蜂蜜牛奶味的愿·2022-12-07 15:08

【carsim+simulink 联合仿真——车辆轨迹MPC跟踪】

学习北理工的无人驾驶车辆模型预测控制第2版第四章，使用的仿真软件为Carsim8和MatlabR2019a联合仿真，使用MPC控制思想对车辆进行轨迹跟踪控制，并给出仿真结果。
wei2023·2022-12-07 15:06

【Carsim Simulink自动驾驶仿真】基于MPC的轨迹跟踪控制

如果对Carsim的基础使用还不了解，可以参考：【CarsimSimulink自动驾驶仿真】基于MPC的速度控制如果对MPC算法原理不清楚，可以参考：如何理解MPC模型预测控制理论项目介绍：教程为北理工的无人驾驶车辆模型预测控制第
薯一个蜂蜜牛奶味的愿·2022-12-07 15:02

奔赴无人之境 百度Apollo Day全景化展示百度自动驾驶技术领军实力

来源：Apollo智能驾驶10月28日，首场以“奔赴无人之境”为主题的百度“ApolloDay”技术开放日在北京举办。
智能交通技术·2022-12-07 13:51

全球无人驾驶大洗牌，百度Apollo Day宣告Robotaxi进入2.0时代

作者| 德新编辑| 王博1.全球无人驾驶大洗牌，Robotaxi越发向头部聚集全球无人驾驶落地正呈现两幅面孔。
HiEV·2022-12-07 13:47

激光雷达-相机 联合标定理论知识及教程汇总

这部分的理论概况我感觉apollo那个课讲得还可以知乎有一个大佬非常详细总结，汇总了很多的教程（不过有些过于简单，没太大必要都看）Camera-LIDAR联合标定方法总结-知乎我这里主要是对其他博客的一些个人理解
qqsuiying·2022-12-07 13:17

Apollo 应用与源码分析：Monitor监控-软件监控-进程存活监控-process_monitor

目录流程代码分析获取可以运行的进程的信息检查HMI的模块信息检查被监控的组件检查其他组件判断进程状态UpdateStatus流程代码classProcessMonitor:publicRecurrentRunner{public:ProcessMonitor();voidRunOnce(constdoublecurrent_time)override;private:staticvoidUpdat
Ym影子·2022-12-07 13:45

关于自动驾驶路线之争的一些思考

自动驾驶行业内一直存在两个路线之争，一个是感知方案之争，一派认为应该走纯视觉路线，一派认为应该走视觉与雷达的融合路线；另一个是无人驾驶的实现路径之争，一部分认为需要走从L1逐步迈向L4的渐进式路线，另一部分认为应该走直达
禾隐记·2022-12-07 13:15

无人驾驶学习笔记——摄像头雷达联合标定

最近在弄摄像头雷达的联合标定，一开始参考的是我师兄的博客，写的非常好：无人驾驶汽车系统入门（二十二）——使用Autoware实践激光雷达与摄像机组合标定版权声明：本文为博主原创文章，遵循CC4.0BY-SA
天天摸鱼的门三·2022-12-07 13:15

Planning-Apollo6.0 planning module protobuf定义

Planningmodule是自动驾驶的决策模块,会收集其他模块的所有信息进行综合决策,Apollo开源系统的架构如下:Planning会订阅感知,预测,地图,导航,定位,底盘,HMI(Pad),Storytelling
小作坊钳工·2022-12-07 13:44

自动驾驶感知数据闭环简析

Apollo是百度发布的向汽车行业及自动驾驶领域合作伙伴提供的软件平台，不仅在全球各种权威自动驾驶榜单
九章智驾·2022-12-07 13:12

融合感知中摄像头的标定

应用背景摄像头的感知结果与人眼最为接近，且兼具成本低廉的特点，因此在无人驾驶、机器人自主感知等方面具有广泛的应用。
weixin_47236464·2022-12-07 13:10

自动驾驶：2022 apollo day 观后感（二）

自动驾驶：2022apolloday观后感（二）TOPICTWO：自动驾驶地图：Apollo的实践和思考（黄际洲）地图需求升级自动驾驶规划方向轻成本，重体验轻成本重体验安全：舒适度出行效率新一代地图注：
Felaim·2022-12-07 13:09

滤波_1_卡尔曼滤波理解

1导文（入门）卡尔曼滤波是无人驾驶中最基本的算法之一，在传感器融合与定位中几乎无处不在。
雨luo凡城·2022-12-07 01:38

阿里云存储解决方案，助力轻舟智航“将无人驾驶带进现实”

轻舟智航介绍轻舟智航是一家以“将无人驾驶带进现实”为使命的自动驾驶通用解决方案公司，依赖双擎战略，一方面主张以高性价比的前装量产方案，致力于打造L4级体验的城市+高速NOA方案，满足不同客户不同等级的自动驾驶量产需求
阿里云技术·2022-12-07 00:00

【Matlab红绿灯识别】红绿灯识别【含GUI源码 1908期】

目前市面上针对盲人出行识别红绿灯的研究并不多，识别红绿灯的图像识别技术往往应用于无人驾驶技术上。本文设计了一种使用直方图阈值分割以及HSV颜色识别的红绿灯识别方法。阈值分
Matlab佛怒唐莲·2022-12-06 22:47

【红绿灯识别】红绿灯识别【含GUI Matlab源码 1908期】

目前市面上针对盲人出行识别红绿灯的研究并不多，识别红绿灯的图像识别技术往往应用于无人驾驶技术上。本文设计了一种使用直方图阈值分割以及HSV颜色识别的红绿灯识别方法。
Matlab领域·2022-12-06 22:46

点云配准论文

点云配准在无人驾驶、三维重建等领域具有广泛的应用。本文整理了点云配准相关的论文，既包括基于深度学习的点云配准算法，也包括部分传统配准算法(ICP,GoICP,FGR等)。
zhulf0804·2022-12-06 20:42

NeurIPS 2022 | 清华&南开提出SegNeXt：重新思考语义分割的卷积注意力设计

作为计算机视觉中的基础任务之一，其不仅仅在学术界广受关注，也在无人驾驶、工业检测、辅助诊断等领域有着广泛的应用。近期，计图团队与南开大学程明明教授团队、非十科技刘政宁博士等合作，提出了一种全
Amusi（CVer）·2022-12-06 18:00
上一页 38 39 40 41 42 43 44 45 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他