apollo无人驾驶

【无人驾驶autoware 项目实战】规划-任务规划mission_planning

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、功能二、输入【ADAS矢量地图】三、输出【basewaypoints】四、算法流程实现【routeplanner】【laneplanner】【waypoint_planner】【waypoint_maker】总结参考资料前言认知有限，望大家多多包涵，有什么问题也希望能够与大家
盒子君~·2022-11-16 18:35

【导航业务架构】Autoware和Apollo自动驾驶系统的对比

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、Autoware和Apollo自动驾驶系统区别1.硬件系统底层方面2.软件系统上层方面
盒子君~·2022-11-16 18:04

【无人驾驶autoware 项目实战】规划-行为决策规划

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、功能二、输入三、输出四、算法流程实现总结参考资料前言认知有限，望大家多多包涵，有什么问题也希望能够与大家多交流，共同成长！本文先对规划-行为决策规划做个简单的介绍，具体内容后续再更，其他模块可以参考去我其他文章提示：以下是本篇文章正文内容一、功能功能：Autoware实现了一
盒子君~·2022-11-16 18:04

无人驾驶虚拟仿真（七）--图像处理之车道线识别2

简介：上一节中我们计算得到了前视图到俯视图的投影变换矩阵，在这一节中我们要完成车道线的检测。当车辆摄像头获取到一张图像，我们大致需要经过以下步骤来得到车道线数据：1、预设参数在整体过程中，我们需要预设以下变量参数#!/usr/bin/envpython3importcv2importnumpyasnpimportmathimporttimefrommatplotlibimportpyplotasp
溪风沐雪·2022-11-16 16:48

自动驾驶入门：感知

目录概念感知方法CNN检测与分类跟踪分割Apollo感知感知设备分类概念我们人类天生就配备多种传感器，眼睛可以看到周围的环境，耳朵可以用来听，鼻子可以用来嗅，也有触觉传感器，甚至还有内部传感器，可以测量肌肉的偏转
Ym影子·2022-11-16 07:45

无人驾驶汽车系统入门（十三）——正态分布变换（NDT）配准与无人车定位

无人驾驶汽车系统入门（十三）——正态分布变换（NDT）配准与无人车定位定位即确定无人车在这个世界中的哪个位置，是无人驾驶技术栈中必不可少的一部分。
AdamShan·2022-11-15 22:41

一文了解自动驾驶汽车“定位”

文章来自Apollo阿波罗智能驾驶本节将介绍自动驾驶汽车的定位技术包括：GNSS（全球导航卫星系统），RTK（实时运动定位）和惯性导航。
智能交通技术·2022-11-15 16:45

Apollo学习笔记 入门课程之二：定位

Apollo学习笔记入门课程之二：定位坐标不同，需要切换坐标系。进行对比，转换数据，确定十厘米的精度。定位：x，y，航向三点确定坐标的方式：GPS卫星，地面监测站，信号接收器。更新频率低。
雨泽倾·2022-11-15 16:14

apollo自动驾驶入门课-定位

apollo自动驾驶入门课-定位目录apollo自动驾驶入门课-定位一、定位简介二、定位思路2.1主流思路2.2车辆坐标系与地图坐标系三、常用定位方法3.1GNSSRTK3.2惯性导航3.3激光雷达LidarICP
Edward_1129·2022-11-15 16:43

自动驾驶入门：定位

目录概念定位方法GNSSRTK（实时运动定位）（三角测量法）基本原理缺点惯性导航基本原理缺点激光雷达定位基本原理缺点视觉定位（粒子滤波）基本原理缺点Apollo定位基本原理概念定位是让⽆⼈⻋知道⾃⾝确切位置的
Ym影子·2022-11-15 16:42

参考线平滑-QpSplineReferenceLineSmoother

Apollo中提供了QpSplineReferenceLineSmoother，即分段五次多项式曲线平滑参考线方法。将其构造成二次规划问题形式，使用OSQP求解。
小作坊钳工·2022-11-15 07:16

深度学习车道线检测之 LaneNet （使用tensorflow2.4.0跑通）

参考链接：无人驾驶汽车系统入门（三十）——基于深度神经网络LaneNet的车道线检测及ROS实现_AdamShan的博客-CSDN博客论文原文地址：TowardsEnd-to-EndLaneDetection
tiger&sheep·2022-11-15 07:45

自动驾驶入门：Apollo 概述与高精地图

目录Apollo主要组成Apollo五个核心部件Apollo开放式软件栈高精地图基本概念与定位、感知和规划的关系Apollo高精地图的构建Apollo主要组成apollo主要包括参考车辆平台、参考硬件平台
Ym影子·2022-11-14 15:52

声网赵斌：RTE 体验提升，新一代 Killer App 将成为现实丨RTE 2022

一年以来，在疫情及诸多综合因素的推动下，元宇宙、无人驾驶、IoT、电商直播等行业迎来井喷式发展，RTE实时互动技术也在越来越多的场景中发挥着关键作用。
声网·2022-11-14 10:11

apollo源码解读：std::atomic实现读写锁

直接上源代码吧，代码是阿波罗团队写的源代码，我这边给加了注释/*1.有一说一这个读写锁的设计还是很牛逼的，以我自己感觉atomic和读写完全不相干的东西竟然可以用前者实现后者2.这个设计理念是不是百度阿波罗团队自创的呢?好像不是，这有个连接，设计理念很相似，15年的博客：https://blog.csdn.net/10km/article/details/49641691*/#ifndefCYBE
H-KING·2022-11-11 00:09

OpenCV简介、OpenCV的发展历程

而在人工智能领域，数字图像处理与计算机视觉占据着重要的地位，人脸识别、刷脸支付、无人驾驶等词汇都是数字图像处理与计算机视觉领域的重要成果。图像处理和计算机视觉技术与我们日常生活的关系越来越密切，
昊虹AI笔记·2022-11-09 15:56

Github深度学习面试题答案

Github深度学习面试题答案（一）——深度学习相关本文是对于github上一篇关于无人驾驶的深度学习方面提问的‘’部分个人见解＋论坛内外对该问题的解答‘’本文属于搬运＋整合的笔记贴，主要是为了自身学习用
神奈川宫城良田·2022-11-09 07:38

景联文科技：高质量的训练数据为高性能自动驾驶汽车提供动力

截止2021年，全球无人驾驶汽车市场规模达70.3亿美元；预计到2035年，全球无人驾驶汽车销量将达2100万辆。
景联文科技·2022-11-07 16:04

景联文科技：四种常见的3D点云标注方法

近日，据可靠消息，我国监管部门将为无人驾驶车辆发放绿牌。中国或有望成为继德国之后全球第二个为L3级乘用车量产放行的国家，这表明了自动驾驶时代或将到来。
景联文科技·2022-11-07 16:03

常见配置中心比较，Spring Cloud Config VS Nacos VS Apollo

1.介绍1.1配置中心当超过了一定量级的服务之后，系统配置的修改和发布就会成为项目发展一个不得不关注的难点，因此就诞生了配置中心。配置中心通过集中管理服务配置，提供统一的配置拉取接口来解决因规模不断扩展导致的配置管理问题。一般提供版本管理，权限控制，灰度发布，动态刷新等功能特性来完善配置管理体系。1.1.1SpringCloudConfigSpringCloudConfig是官方提供的分布式系统的
kiranet·2022-11-06 16:11

初识CNN1

深度学习可以说救了计算机视觉卷积神经网络可以做的事情检测任务在摄像头中检测或者追踪图像遍历分割分类和检索超分辨率重构医学任务无人驾驶人脸识别只要有特征了，还有什么东西不能做！
王摇摆·2022-11-06 07:43

BDD100K：最经典大规模、多样化的自动驾驶视频数据集

关键词：BDD100K自动驾驶数据集2021年还不到1个月，新能源车、无人驾驶就占据了互联网行业的半个头条。特斯拉股价飙升，让Musk一夜之间身价高
数据派THU·2022-11-06 07:38

自动驾驶数据集盘点 | 小马数据

1.Apolloscape网站地址：http://apolloscape.auto/ApolloScape使用移动激光雷达扫描仪器从Reigl收集点云。
小马数据·2022-11-06 07:28

【技术白皮书】第四章：信息抽取技术产业应用现状及案例（下）

随着大数据、人工智能、loT、机器人等技术日渐渗透物流各环节，传统物流正在不断演进，逐步走向业务数字化、智能化，如：物流机器人、智能工厂、自动化仓库、无人驾驶、无人机、智能港口/码头等已成为物流行业新标配
合合技术团队·2022-11-05 14:57

self_drive car_学习笔记--第7课：HD MAP高精地图 & V2X

OPENDRIVEPROTOCAL【路网协议，这里指高精地图协议】3、CLOUDPOINTMAPPING【点云地图】4、V2X【Vehicle-to-everything,车用无线通讯技术】1高精地图1.1无人驾驶软件框架图中上
鸿_H·2022-11-04 22:01

参考线平滑-FemPosDeviation-Ipopt

Apollo中使用Ipopt求解是因为增加了曲率约束，而曲率约束是非线性的，优化目标的设置同OSQP一致，只是增加了松弛因子。
小作坊钳工·2022-11-04 13:31

参考线平滑-CostThetaSmoother-Ipopt

CostThetaSmoother是Apollo中离散点参考线平滑方法的一种。
小作坊钳工·2022-11-04 13:27

NeurIPS2019无人驾驶研究成果大总结（含大量论文及项目数据）

点击我爱计算机视觉标星，更快获取CVML新技术神经信息处理系统大会（NeurIPS），是一个机器学习和计算神经科学相关的顶级学术会议。每年的12月举办。2019的第33届NeurIPS在加拿大温哥华于12月8日至14日举办，本届会议更有投稿6743篇，其中1428篇接收，录取率21.2%。NeurIPS2019开设了自动驾驶专题研讨会，收录了来自全球各大自动驾驶科研院所和公司的论文。本篇文章小编为
我爱计算机视觉·2022-11-04 11:28

python 目标跟踪算法_目标跟踪入门——目标跟踪算法综述

介绍目标跟踪是计算机视觉领域的一个重要分支，是模式识别，图像处理，计算机视觉，机器学习等学科的交叉研究，有着广泛的应用，如视频监控，虚拟现实，人机交互，图像理解，无人驾驶等。
weixin_39926678·2022-11-04 06:06

点云分割模型的训练, 基于ROS和Caffe的推理

特别是自动驾驶领域越来越多,为啥又需要深度学习三维点云,可以更好的分类,基于SVM等点云分类方法,也许只能达到80%的准确率,深度学习只会高些;三维点云目标检测思路之一:如下图所示,先分割,再聚类,最后进行目标定位1:apollo
SensorFusion·2022-11-04 06:34

Apollo 6.0点云检测模型的训练, 基于TensorRT和ROS的推理

Apollo6.0点云模型的训练,基于ROS和TensorRT进行推理三维点云目标检测深度学习三维点云模型推理,为啥需要学习三维点云,因为可用很好探测三维空间,特别是自动驾驶领域越来越多,为啥又需要深度学习三维点云
SensorFusion·2022-11-04 06:34

基于AidLux平台和七牛云、喵提醒工具实现课室人头计数系统

人工智能应用在语音识别，图像人脸识别、智慧安防、工业视觉、无人驾驶等方面越来越接近人
可爱多多巧乐兹·2022-11-03 20:35

YOLOv5实战中国交通标志识别(TT100K数据集)

使用YOLOv5完成TT100K数据集上的中国交通标志识别课程链接：https://edu.csdn.net/course/detail/35209在无人驾驶中，交通标志识别是一项重要的任务。
bai666ai·2022-11-02 13:38

一个html引入多个柱状图,在react项目中使用ECharts在页面显示多个柱状图

importReact,{Component}from'react';//引入需要的标签import{Table,Input,Row,Col}from'apollo-react';//引入ECharts
大学士66·2022-11-02 00:37

吴恩达机器学习笔记 —— 1 绪论：初识机器学习

http://www.cnblogs.com/xing901022/p/9280811.html机器学习目前已经应用在很多领域，比如网页搜索、垃圾邮件过滤、点击率预测、生物信息、无人驾驶、无人机、手写体识别
喜欢打酱油的老鸟·2022-11-01 23:35

智能汽车三维目标检测算法发展综述及三维物体检测数据集————文献总结

本文章是2021年EI收录的一篇文章，在文章的2.4阐述了常见的“三维物体检测数据集”，包括LyftLevel5、KITTI、ApolloScape等。
running snail szj·2022-11-01 16:20

激光雷达各品牌分析

2004年，Velodyne参加了美国国防高级研究计划局资助举办的无人驾驶挑战赛，从此开辟了自动驾驶的道路，次年发明了实时3D激光雷达。
bingdund·2022-11-01 12:38

Spring Cloud Gateway动态路由Apollo实现详解

目录背景路由的加载实现动态路由背景在之前我们了解的SpringCloudGateway配置路由方式有两种方式通过配置文件spring:cloud:gateway:routes:-id:testpredicates:-Path=/ms/test/*filters:-StripPrefix=2uri:http://localhost:9000通过JavaBean@BeanpublicRouteLoca
·2022-10-31 02:36

全球名校AI课程库（30）| MIT麻省理工 · 深度学习与无人驾驶课程『Deep Learning for Self-Driving Cars』

课程学习中心|其他名校AI课程合辑|课程主页|中英字幕视频|项目代码解析课程介绍MIT6.S094是麻省理工学院深度学习和自动驾驶课程，介绍了深度学习的相关知识，以及深度学习在自动驾驶领域的实践和应用。领衔授课人是LexFridman，麻省理工学院研究员，致力于研究以人为中心的人工智能，主要研究深度学习在半自动驾驶环境下的应用，比如感知驾驶员状态、感知场景、运动控制和规划等等。MIT6.S094是
ShowMeAI·2022-10-29 12:12

Sensor fusion学习-2.毫米波雷达到世界坐标的转换

在了解了基本的坐标转换理论之后，任意传感器到世界坐标系的转换就应该都可以进行转换了，这次趁着热乎试着写写毫米波雷达坐标到世界坐标系的转换问题是额，我目前还没有接触到毫米波雷达实体，因此参考了[知乎专栏-无人驾驶干货铺
Fixer_itb·2022-10-29 02:19

相机成像模型和坐标转换

坐标系相机坐标系图像物理坐标系图像像素坐标系车体坐标系图像物理坐标系和图像像素坐标系共面坐标系关系坐标系转换内参矩阵真实成像平面对称成像平面外参相机坐标系和车体坐标系转换旋转矩阵和平移向量传感器坐标系与车身坐标系的转换关系无人驾驶中用到的八大坐标系
马可露露·2022-10-29 01:46

Apollo公开课二：高精地图

高精度地图高精度地图包含许多辅助驾驶的信息，特别是道路的精确三维表达，还有许多语义信息，其最重要的特征是厘米级的高精度。高精地图与定位、感知的关系：无人车获取的传感器信息与高精地图进行匹配可以进行精确定位；传感器的感知范围有限，也无法感知障碍物后面的环境，地图先验信息可以辅助感知，同时也可以缩小检测范围，提高检测感知的速率和精确度；高精地图可以辅助寻找可行区域，辅助规划算法选择路径，通过感知环境来
Flying Youth·2022-10-28 07:01

自动驾驶漫谈之二：无人驾驶与高精度地图

对机器人而言，常见的地图有四种：图特征地图（几何地图）、拓扑地图、栅格地图以及直接表征法（AppearanceBasedMethods）。对人类而言，常见的地图主要是语义地图，告诉人们这是什么路，路边是什么建筑或什么单位等包含人类可理解的语义信息。栅格地图用栅格表示环境，易于创建和维护，但所占用的内存和处理时间会随着地图规模的扩大而增长。几何地图从环境信息中提取线段、角点等抽象的几何特征，方便用于
阿尼固·2022-10-28 07:13

高精地图总体介绍

随着无人驾驶技术的兴起，高精地图也随之发展起来，可以说高精地图是为无人驾驶而生的，无人驾驶车辆的调度、感知、定位、决策、规划、控制等都会使用到高精地图。那么高精地图到底是什么呢？
fxfreefly·2022-10-28 07:12

apollo自动驾驶入门课-高精地图

apollo自动驾驶入门课-高精地图文章目录apollo自动驾驶入门课-高精地图前言一、高精地图与传统地图的区别二、高精度地图与感知、定位、规划的关系2.1高精地图与感知2.2高精地图与定位2.3高精地图与规划总结前言一
Edward_1129·2022-10-28 07:40

无人驾驶：高精地图与定位

目录自动车建图与定位技术简介自动车定位作用SLAM技术简介自动车定位面临的技术挑战行业自动车定位方案高精地图技术与应用高精地图作用高精地图组成制作方法：人工＋自动传感器、数据采集地图构建地图标注地图质检发布自动检测算法介绍方案／成果演示自动车多传感器融合定位自动车定位传感器方案激光雷达定位算法简介视觉等其它方案自动车建图与定位技术简介自动车定位作用车辆定位室内环境：地图定位，UWB定位，人工标志室
连理o·2022-10-28 07:40

如何解决 Spring Cloud 下测试环境路由问题

作者张乐开源社区SpringCloudTencentPMC，开源社区ApolloPMC，腾讯云技术专家、专注于微服务中间件研发包括：注册中心、配置中心、服务治理中心等。
腾讯云中间件·2022-10-27 21:50

聊聊Spring Cloud Gateway 动态路由及通过Apollo的实现

这里是weihubeats,觉得文章不错可以关注公众号小奏技术，文章首发。拒绝营销号，拒绝标题党背景在之前我们了解的SpringCloudGateway配置路由方式有两种方式通过配置文件spring:cloud:gateway:routes:-id:testpredicates:-Path=/ms/test/*filters:-StripPrefix=2uri:http://localhost:9
weihubeats·2022-10-27 21:47

AISHELL-1 语音识别实战

录音时长178小时，录音文本涉及智能家居、无人驾驶、工业生产等11个领域。录制过程在安静室内环境中，同时使用3种不同设备：高保真麦克风（44.1kHz，16-bit）；Androi
语音之家·2022-10-27 18:04

YOLO-V1论文

人类的视觉系统非常快速和准确，允许我们执行复杂任务，比如开车，快速、准确的目标检测算法也可以让计算机做无人驾驶。目前的检测系统重新利用分类器来执行检测。
Rareay·2022-10-27 09:14
上一页 43 44 45 46 47 48 49 50 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他