【無人駕駛系列】光學雷達(LiDAR)在無人駕駛技術中的應用
【無人駕駛系列】基於ROS的無人駕駛系統
基於計算機視覺的無人駕駛感知系統
基於Spark與ROS的分佈式無人駕駛模擬平臺
GPS及慣性傳感器在無人駕駛中的應用
增強學習在無人駕駛中的應用
卷積神經網絡(CNN)在無人駕駛中的應用
高精地圖在無人駕駛中的應用
[無人駕駛]Planning&Control
【乾貨】如何做好自動駕駛智能車控制決策系統開發? | 硬創公開課
CES深度分析:自動駕駛催生商業模式變革(一)
CES深度分析:自動駕駛產業化邁向縱深(二)
CES深度分析:自動駕駛呼喚理性決策(三)
CES深度分析:自動駕駛呼喚新的計算平臺(四)
MIT 開了一門只有九小時的課,教你用深度學習構建自動駕駛
想拿自動駕駛融資,先過VC這16問
深度解讀無人駕駛發展技術及難點
目前無人駕駛技術難點有哪些?
一文看懂中國未來15年無人駕駛的發展路線
無人駕駛:人工智能三大應用造就 “老司機”
【CCAI 2016】漆遠論戰趙勇、吳甘沙:智能金融和無人駕駛誰更靠譜?
無人駕駛的技術安全風險可以避免嗎
1 致謝 感謝志興老師的代碼和指導! 2 矩形框檢測的基本流程 1. 根據圖像特點,根據通道值進行灰度化,這裏我們選取的是[B,R]這兩個通道; (我們這裏不進行高斯模糊,因爲圖像的噪聲比較小;主要原因是:目標矩形框的邊緣比較細) 2.
1 前言 我們項目組的標註軟件將使用Electron來開發; 2 引入組件名 使用require語句來引入組件名; 如圖所示,
無人駕駛筆記系列(二):apollo 地圖可視化工具MapShow的使用 什麼是mapshow 簡單來說,就是一個apollo框架中,用python腳本寫一個可視化高精地圖的工具。 啓動 該工具默認在 “/apollo/modul
一、Gflags簡介 Gflags是一種命令行解析工具,主要用於解析用命令行執行可執行文件時傳入的參數。就是這個功能。 二、安裝 候補 三、先貼個例子 #include <iostream> #include <gflags/gf
無人駕駛筆記系列(四):Fast-RTPS初體驗 背景介紹 ROS1在節點啓動前,必須通過roscore啓動一個master節點,通過master管理節點之間的通信。這樣master節點如果出現問題,其他節點之間的通信也會出現問題
定位導航常用傳感器 常用的定位導航傳感器有美國的GPS和我國的北斗系統,我們國家一般採用雙模式系統,也就是說既可以採用GPS信號,也可以使用北斗信號,綜合濾波技術可以實現絕對定位和相對定位的組合定位。 環境感知 基於相機的環境
文章目錄標定的意義相機畸變模型Zhang式標定法雙目相機標定激光雷達標定激光雷達原理多線激光雷達毫米波雷達激光雷達標定 標定的意義 對於無人駕駛車輛路徑規劃,我們標定的意義是什麼? 在定位與建圖中,我們都需要知道移動機器人自身的
2020 無疑是特殊的一年,而 AI 在開年的這場”戰疫“中表現出了驚人的力量。站在“新十年”的起點上,CSDN【百萬人學AI】評選活動正式啓動。本屆評選活動在前兩屆的基礎上再度升級,設立了「AI優秀案例獎Top 30」、「AI新銳公
有了上一節分別對激光雷達做KF、對毫米波雷達做EKF兩種流程之後,我們合併KF和EKF的跟蹤算法的代碼,將他們封裝在一個名爲KalmanFilter的類中,方便後續調用。下面做一個多傳感器融合定位實驗,採集到的數據爲兩種交替出現的
理論知識 除了線性狀態估計的KF和非線性狀態估計的EKF,還有一種可以解決非線性、非高斯問題的粒子濾波算法,粒子濾波主要基於蒙特卡洛方法,使用粒子集來表示概率。 粒子濾波主要分爲四部分:初始化、預測、粒子權重更新、重採樣,之後在重
2020-06-14 首先,介紹自己電腦:Ubuntu18.04、VS Code 1.46版 本文目的:爲VS Code配置好C++ 開發環境,以及VS Code +CMake的配置 對於C++ 工程,有四個必要的json配置文件
1 可以參考的資料 1.1 GiantPandaCV的資料 在GiantPandaCV公衆號的後臺回覆“yolov3”獲取相關的資料; 1.2 熊貓羣主的聚類腳本: 熊貓羣主的聚類腳本: 這是我的聚類腳本,https://github.
1 多傳感器融合算法的選擇——使用EKF 因爲Apollo使用的是EKF,所以我們也用EKF,(具體的資料可以查看issues_10957) 《無人駕駛》課程的賈老師推薦的論文《EKF、UKF、PF目標跟蹤性能的比較》中也是這樣說的,
1 前言 CenterNet的代碼還是有點難懂,不過還是要感謝各位同學分享的資料~ 2 CenterNet代碼的學習筆記 2.1 數據讀取——COCO類 COCO類是用來進行數據讀取的,讀取之後獲得的item有以下幾個屬性: 'imag
1 預處理 DENSE_RATIO = 4 選擇比例爲4的原因如下: 1. DetectoRS的FPN最下層特徵圖的採樣比例爲4, 可以看看他們的配置文件:https://github.com/joe-siyuan-qiao/Detect