- 博客(195)
- 资源 (65)
- 收藏
- 关注
RSS订阅原创 自动驾驶-状态估计和定位之Error State EKF
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。
2024-04-25 09:54:11
150
原创 自动驾驶-状态估计和定位之扩展卡尔曼滤波
可以看出，Motion Model给出的车辆位置为2.50,速度为4.0m/s;以车辆定位为例，如下图所示，已知LandMark的位置参数 (�,�) ，车辆加速度 �=� ，车辆安装了角度测量的设备，能够测量与LandMark的视角。下图是sin(x)的函数图像以及在x=0处的一阶泰勒的函数图像，可以看到，在x=0附近，二者非常接近，一阶泰勒展开可以很好的逼近sin(x)。《State Estimation for Robotics》，中文翻译版：《机器人学的状态估计》
2024-04-25 09:36:57
152
原创 自动驾驶-状态估计和定位之卡尔曼滤波应用
Kalman Filter是处理连续变化的动态不确定系统的理想方法，并且由于内存占用小(不需要记录历史状态)，运行速度快，被广泛应用在机器人实时多传感器融合系统中。
2024-04-24 21:25:48
271
原创 自动驾驶-状态估计和定位之Recursive Least Squares Estimation
前面提到的Ordinary Least Squares Estimation和 Weighted Least Squares Estimation和都假设提前收集好了所有的测量数据。但在实际的应用中，测量数据可能是流式的，比如位置测量系统以100HZ的频率不间断的对车辆的位置进行测量。在高频的更新频率下，测量数据越来越多，如果每次都把所有的测量结果都按照矩阵解进行计算，计算成本会不断增加，直至计算能力不可承受。所以需要用Recursive Least Squares Estimation解决这一问题。
2024-04-24 21:19:39
201
原创 自动驾驶-状态估计和定位
Localization目标是确定自动驾驶车辆在全局坐标系内的位置(Position)和方向(Orientation)，精确的Localization系统是任何自动驾驶汽车的关键组成部分。为了实现精确的Localization系统，需要使用State Estimation，从不精确的各种传感器的测量结果中，找到最优解作为车辆的定位位置。本文主要介绍State Estimation中一种常用的基础技术:Ordinary Least Squares Method。1.Least Squares的历史1801年，
2024-04-24 21:13:05
233
原创 自动驾驶-状态估计和定位
Localization目标是确定自动驾驶车辆在全局坐标系内的位置(Position)和方向(Orientation)，精确的Localization系统是任何自动驾驶汽车的关键组成部分。为了实现精确的Localization系统，需要使用State Estimation，从不精确的各种传感器的测量结果中，找到最优解作为车辆的定位位置。本文主要介绍State Estimation中一种常用的基础技术:Ordinary Least Squares Method。1.Least Squares的历史1801年，
2024-04-24 20:54:03
490
原创 自动驾驶-决策规划算法十六：Dijkstra算法(C++)
本文介绍无人驾驶决策规划算法中的迪杰斯特拉（Dijkstra）算法，之前在数据结构与算法的文章中曾经介绍过。之前用的是C语言，这里用C++重写了一下，顺便修正了之前代码里的几个错误。如有错误或者遗漏之处，欢迎指出。
2024-04-24 20:27:55
506
原创 自动驾驶-决策规划算法十五：人工蚁群算法(C++)
蚁群算法（Ant Colony Algorithm）最初于1992年由意大利学者M.Dorigo等人提出，它是一种模拟自然界中真实蚁群觅食行为的仿生优化算法。研究发现：每只蚂蚁觅食时在走过的路线上会留下一种称为信息素的物质，蚂蚁之间靠感知这种物质的浓度进行信息传递。蚂蚁在选择路径时总是倾向于朝信息索浓度高的方向移动，而距离短的路径上走过的蚂蚁多，留下的信息素也多，后续蚂蚁选择它的概率也会越大；其他路径上的信息素会随着时间的推移不断挥发，这样就形成了一种正反馈机制，最后整个蚁群聚集到最短路径上。
2024-04-24 20:23:01
505
原创 自动驾驶-决策规划算法十四：掉头算法(C++)
main()函数中，创建一个对象，然后调用这个调头函数，后面要closegraph()关闭图形窗口；在构造函数中就会初始化车辆初始位置、绘制道路、给一些参数进行赋值；然后这个调头函数中，根据状态机来决定是前进还是倒车，还是直行，这里会涉及到倒车和前进两个函数；如果是直行，说明调头已完成，直接break退出循环，整个调头过程结束；
2024-04-24 20:15:24
548
原创 百度Apollo学习：参考线(ReferenceLine)生成算法和源码介绍
自此，参考线的分析就完成了，参考线的作用在于车辆是在路上运行，根据道路信息得到一条参考轨迹给车，简化了后续路径查找的复杂度，同时还可以加入一些基于规则的信息（红绿灯、停止线）到后续的路径规划。
2024-04-23 21:21:51
621
原创 百度Apollo学习：汽车底盘适配
自此，如何添加一个新的汽车底盘的分析就完成了，实际上目前的汽车底盘一些控制指令还没有和自动驾驶系统做深度的融合，不知道前装的自动驾驶系统是不是会有更加融合创新的设计。
2024-04-23 21:14:40
511
原创 百度Apollo学习：Control控制模块
首先我们需要搞清楚control模块的输入是什么，输出是什么？输入- Chassis(车辆状态信息), LocalizationEstimate(位置信息), ADCTrajectory(planning模块规划的轨迹)输出- ControlCommand(油门，刹车，方向盘)├── BUILD // bazel编译文件├── common // PID和控制器的具体实现 --- 算法具体实现├── conf // 配置文件 --- 配置文件。
2024-04-23 21:10:58
465
原创 百度Apollo学习：Canbus模块结构和源码
我们先看下什么是Canbus： 控制器局域网 (Controller Area Network，简称CAN或者CAN bus) 是一种车用总线标准。被设计用于在不需要主机（Host）的情况下，允许网络上的节点相互通信。采用广播机制，并利用标识符来定义内容和消息的优先顺序，使得canbus的扩展性良好，同时不基于特殊类型（Host）的节点，增加了升级网络的便利性。这里的Canbus模块其实可以称为Chassis模块，主要的作用是反馈车当前的状态（航向，角度，速度等信息），并且发送控制命令到车线控底盘，
2024-04-23 18:24:29
565
原创 百度Apollo学习：Transform模块结构和源码
关于transform模块开始一直不知道是干啥的，一直看到一个"/tf"的TOPIC，还以为是tensorflow的缩写，想着是不是和神经网络有关系，后来才知道tf是transform的缩写，主要的用途是进行坐标转换，原型即是大名鼎鼎的"ros/tf2"库。那么为什么要进行坐标转换呢？
2024-04-23 18:18:07
625
原创 百度Apollo学习：Routing模块结构和源码
Routing类似于现在开车时用到的导航模块，通常考虑的是起点到终点的最优路径（通常是最短路径），Routing考虑的是起点到终点的最短路径，而Planning则是行驶过程中，当前一小段时间如何行驶，需要考虑当前路况，是否有障碍物。Routing模块则不需要考虑这些信息，只需要做一个长期的规划路径即可，过程如下：这也和我们开车类似，上车之后，首先搜索目的地，打开导航（Routing所做的事情），而开始驾车之后，则会根据当前路况，行人车辆信息来适当调整直到到达目的地（Planning所做的事情）。
2024-04-23 16:43:17
260
原创 百度Apollo学习：planning规划模块
规划(planning)模块的作用是根据感知预测的结果，当前的车辆信息和路况规划出一条车辆能够行驶的轨迹，这个轨迹会交给控制(control)模块，控制模块通过油门，刹车和方向盘使得车辆按照规划的轨迹运行。规划模块的轨迹是短期轨迹，即车辆短期内行驶的轨迹，长期的轨迹是routing模块规划出的导航轨迹，即起点到目的地的轨迹，规划模块会先生成导航轨迹，然后根据导航轨迹和路况的情况，沿着短期轨迹行驶，直到目的地。
2024-04-23 16:27:37
246
原创 百度Apollo学习：Location定位模块
MSF方法并没有开发源码，是以动态库的方式提供的。实现的思路可以参考论文"Robust and Precise Vehicle Localization Based on Multi-Sensor Fusion in Diverse City Scenes"
2024-04-23 16:19:07
238
原创 一文聊聊大模型技术在自动驾驶的应用与影响
大模型泛指具有数十亿甚至上百亿参数的深度学习模型，而大语言模型是大模型的一个典型分支（以ChatGPT为代表）Transformer架构的提出引入了注意力机制，突破了RNN和CNN处理长序列的固有局限，使语言模型能在大规模语料上得到丰富的语言知识预训练：一方面，开启了大语言模型快速发展的新时代；另一方面奠定了大模型技术实现的基础，为其他领域模型通过增大参数量提升模型效果提供了参考思路。
2024-04-23 16:10:56
624
原创 车道线检测量产问题解答
最近很多小伙伴对车道线检测相关的内容表现出较大兴趣，也向我们提出了很多问题，为了方便大家学习，在这里做好了整理，主要是学术界和工业界最常遇到的问题，希望能够帮助到大家！
2024-04-23 16:04:30
506
原创 带你彻底搞懂车道线检测的所有方案
在自动驾驶和智能交通系统的发展中，作为其中至关重要的一环，扮演着无可替代的角色。车道线不仅是道路交通标记的重要组成部分，更是车辆导航、路径规划和环境感知的基础。因此，准确、稳定的车道线检测系统对于实现安全、高效的智能交通至关重要。随着深度学习技术的飞速发展，车道线检测技术已经取得了显著的进步。传统的基于图像处理和机器学习的方法逐渐被基于深度学习的端到端模型所取代，使得车道线检测系统在准确性和鲁棒性上都得到了显著提升。
2024-04-23 15:58:01
608
原创 百度Apollo学习：map模块数据结构和协议
其实我们只需要知道map模块的主要功能是“加载opendrive格式的地图，并且提供一系列的API给其他模块使用”。然后再根据具体的场景来了解地图各个部分的作用，就算是对map模块比较了解了。
2024-04-22 14:36:58
409
原创 百度Apollo学习：模块介绍
apollo是百度的自动驾驶开源框架，根据自动驾驶的功能划分为不同的模块，下面会根据目录结构和功能模块分别介绍和学习 apollo模块。下面主要对apollo学习过程中做下笔记，如果有错误或者补充，欢迎指正。
2024-04-22 14:23:12
232
原创 自动驾驶中运动预测的有效基线
运动预测（MP）需要高效的解决方案。使用高精地图和历史轨迹可以获得最佳性能，因此公开模型使用复杂的处理方式来利用这两种信息来源。在本项工作中，我们使用最先进的技术和一种新型地图模型作为基于黑盒CNN地图处理的一种替代方案，为Argoverse 1运动预测基准提出了若干基线模型。所提出的方法使用基于地图的特征提取，通过将由经典运动学技术计算的可解释先验知识传入到模型中来提高性能，展示了与其它SOTA方法相比，这些先验特征如何有助于在精度和效率方面以低计算代价来实现具有竞争力的结果。
2024-04-20 18:04:55
306
原创 自动驾驶-决策规划算法十三：漂移算法(C++)
本文展示人驾驶决策规划算法中的漂移算法，包括漂移过弯、定点漂移、漂移侧方位停车，基于C++的easyX库实现。由于考虑到easyX库的显示方式，所以本算法的实现方式和现实中无人车算法有所不同，现实中无人车算法更加复杂，要考虑的因素也更多，本算法进行了很多简化和抽象，仅当作热身训练。但主要思路是一致的，本算法仍可用于指导现实中无人车算法的设计。本文只展示算法效果和简要介绍算法的思路，不进行代码展示。
2024-04-20 18:03:51
986
原创 自动驾驶-决策规划算法十二：动态规划算法(C++)
本文介绍无人驾驶决策规划算法中的动态规划算法，动态规划是一种很经典的算法思路，通常用于求解多阶段决策过程最优化问题，应用非常广泛，在无人驾驶中通常用于在全局规划时求解最短路径问题。值得注意的是，动态规划的规划和无人驾驶中的路径规划，不是一个概念，但后者可以应用前者的思路。Floyd算法就是用的动态规划的思路，是求解一个给定图中任意两点间的最短路径，而本文的动态规划算法稍有区别，是用于求解一个给定图中，给定的起点和终点之间的最短路径，因为这更符合无人驾驶中全局路径规划的问题。
2024-04-20 18:01:18
342
原创 三维旋转：欧拉角、四元数、旋转矩阵、轴角之间的转换
有一个小需求是要实现鼠标拖动球体的转动，然后发现我不再能只用欧拉角来糊弄过去了。然后又发现，网上大部分资料的采用的欧拉角顺规都是xyz，然后我基于D3D11的辣鸡框架用了zxy，公式不太能直接套用，于是摸了两三天鱼，整理了一下几种三维旋转表示（欧拉角，四元数，旋转矩阵，轴角）与他们之间的相互转换的资料，并且加入了自己的一些推导，，这样子如果各位想使用其他欧拉角顺规和定义的时候，自己动手算一算就好了。至于这几种三维旋转的表示形式随手百度Google都可以看到很多科普文的，这里着重说一下。
2024-04-20 18:00:06
492
原创 干货：从相机模型（针孔、鱼眼、全景）到OpenCV源码实现
问：相机是如何成像的？答：光束从物体表面反射，经过相机镜头，到达感光原件，这一系列物理过程可以通过数学公式表达，最终变成一个简单的矩阵操作将三维空间中的点对应到图片的一个像素。相机投影模型用数学的方式描述了一个真实世界中的三维点到图像上像素坐标的映射关系相机投影模型实际上就是对相机成像过程（物理）的数学建模。建模的目的是为了能够尽量符合真实的成像过程。
2024-04-20 17:54:48
824
原创 多传感器融合定位理论基础三：惯性器件误差分析
标定的本质是参数辨识。首先明确哪些参数可辨识，其次弄清怎样辨识。参数包括陀螺仪和加速度计各自的零偏、标度因数、安装误差。辨识就比较丰富了，如果让各位先不局限于标定任务，想一想你了解的辨识方法有哪些，常见的回答应该有这样几个：1）解析法或最小二乘2）滤波（kalman等）3）梯度下降迭代优化确实没错，标定里用的就是这些方法。这说明标定其实就是一个普通的参数辨识问题，它和你遇到的其他参数辨识任务比，并没有特殊在哪里。
2024-04-20 17:53:04
730
原创 多传感器融合定位理论基础一：惯性器件综述
在自动驾驶或机器人领域，我们目前接触最多的惯性器件就是MEMS了，偶尔会接触到采集车里的光纤惯导。这是我们处在这个行业所看到的情况，但其实它只是惯性领域的局部，把局部放在全局里去看，会对它有更深的理解。为了做到这一点，我们需要在横向上了解还有哪些其它的惯性器件，在纵向上了解每种器件的发展历史。
2024-04-20 17:51:34
759
原创 带你一步步真正理解卡尔曼滤波 Kalman Filter
小写字母为变量；加粗小写字母为向量；大写和加粗大写为矩阵在运动物体的姿态估计，比如车辆的姿态计算中，常常利用 IMU(Inertial Meseasurment Unit)惯性测量单元计算物体的姿态。为了方便叙述，这里的姿态估计意味着我们希望解算车辆在每一时刻与起始坐标系之间三个轴的偏转角，通常用表示。在姿态估计的各个领域中，通常使用四元数来表示一个旋转。四元数比欧拉角表达拥有更好的特性，同时相比于旋转矩阵又更加紧凑。定义四元数如下。
2024-04-20 17:49:48
1086
原创 聊一聊能量回收
讲讲目前很红火的能量回收——开篇先聊聊目前市场上的制动能量回收方案。目前电液制动根据制动功能模块的多少分为Two-box方案和集成度更高的One-box方案两种。当然了，除了电液制动还有纯电制动，比如轮毂电机刹车，下面简单介绍一下这三种方案。
2024-04-19 16:18:19
301
原创 自动驾驶之聊一聊底盘开发流程
底盘是指汽车上由传动系、行驶系、转向系和制动系四部分组成的组合，支承、安装汽车发动机及其各部件、总成，形成汽车的整体造型，承受发动机动力，保证正常行驶。1.1 传动系，由操纵系统和驱动系统组成，包括离合器、变速器、万向节、传动轴和驱动桥等组成。1.2 行驶系，考虑到现在的乘用车已经没有了车架和车桥，行驶系目前仅有悬架和车轮等部分组成。基本功用是支持全车质量并保证汽车的行驶。1.3 转向系，由方向盘、转向器、转向节、转向节臂、横拉杆、直拉杆等组成，作用是转向。
2024-04-19 16:10:46
418
原创 自动驾驶之聊一聊转向系统
汽车自发明以来，方向控制一直都是安全驾驶的关键。汽车转向系统是主要的转向操纵部件，但是“打方向”可不只在汽车独有，它的历史可以追溯到很久很久以前。。。
2024-04-19 16:10:08
399
原创 自动驾驶：讲讲制动系统
很多人说，做汽车是一件非常复杂的事情。我也知道。所以，就是想把一些故事写下来，给后来者在工作之余，有一些心得和体会。第一篇选了我最为熟悉的——制动系统都有些什么。
2024-04-19 16:07:18
274
原创 自动驾驶之APA(自动泊车)
生活中，停车难，难停车是一件让有车一族头疼的事。今天我们就来聊一聊可以解放双手，并且还可以提高泊车安全性的黑科技——自动泊车。● 垂直泊车在绝大多数商场、机场、车站、大型办公区域等的地上及地下停车场中，都会提供垂直式停车位。这种车位，资源利用率高，不会有太多的空间浪费。并且对于司机来说，泊车难度也比其他车位的泊车难度要低，能够大幅节省泊车时间、降低泊车失误率。● 平行泊车平行车位可以说是都市里比较常见的一种车位，也是相对来说比较简单的一种车位。这种泊车一般都在道路两侧以及狭长的过道单侧等车位紧张的区域。泊车
2024-04-19 16:06:43
393
原创 自动驾驶之LKA(车道居中保持)
LKA系统（Lane Keeping Assist system）属于ADAS智能驾驶辅助系统中的一种。车辆行驶时借助一个摄像头识别行驶车道的标识线将车辆保持在车道上提供支持。如果车辆接近识别到的标记线并可能脱离行驶车道，那么会通过方向盘的振动，或者是声音来提醒驾驶员注意，必要时能对车辆施加转向干预，防止车辆无意识偏离车道。
2024-04-19 15:36:28
300
原创 自动驾驶之AEB的前世今生
从1885年第一辆汽车诞生到现在，公路交通和汽车行业迅速发展。一方面汽车行业的发展改变了人们的出行方式，另一方面潜在的交通事故对人们的生命和财产造成了巨大的威胁。近年来，汽车上的主动安全配置越来越受到重视，其中最具代表性的就是自动紧急制动系统（AEB）。
2024-04-19 14:07:57
804
原创 高级别自动驾驶，离不开SOTIF
高级别自动驾驶特指L3级别上的自动驾驶，级别越高，在紧急情况下留给驾驶员的反应时间越长。如下图所示：我们知道在L3级别及以上的自动驾驶依赖大量的AI技术，而AI的本质即是概率问题。换句话说存在很多不确定的事件，那么就需要一种技术将不确定、不安全的事件变成安全确定的事件，这便是SOTIF。SOTIF的全称是Safety of The Intended Functionality,翻译过来就是预期功能安全。那么到底什么是预期功能安全呢？
2024-04-19 12:21:17
1046
原创 自动驾驶之高精地图
高精度地图（HD Map，High Definition Map），是一种专门为自动驾驶服务的地图，具有更加丰富细致的道路信息，可以更加精准地反映道路的真实情况。与传统地图相比，高精度地图的图层数量更多，图层内容更加精细，具有格式化存储的数据结构。在无死角、无限性、全天候、全天时情况下仍能保持正常工作，高精度地图凭借自身得天独厚的优势完成对自动驾驶系统中传感器的增强与补充，主要体现在地图视觉，消解传感器误差，更丰富的细节、更全面的感知三方面。
2024-04-19 12:19:45
487
原创 自动驾驶之路径规划算法介绍
路径规划是指在一定的环境模型基础上，给定无人驾驶汽车起始点和目标点后，按照性能指标规划出一条无碰撞、能安全到达目标点的有效路径。路径规划主要包含两个步骤：建立包含障碍区域与自由区域的环境地图，以及在环境地图中选择合适的路径搜索算法，快速实时地搜索可行驶路径。路径规划结果对车辆行驶起着导航作用。它引导车辆从当前位置行驶到达目标位置。
2024-04-18 19:10:46
1022
自动驾驶-状态估计和定位之Recursive Least Squares Estimation
2024-04-24
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人