台部落_微尘

1.高精地圖和自動駕駛 1.1 自動駕駛分級標準 SAE將自動駕駛技術分爲L0-L5共六個等級。L0代表沒有自動駕駛加入的傳統人類駕駛，L1-L5則隨自動駕駛的成熟程度進行了分級。 L0: 就是人工駕駛，完全由駕駛員來進

2020-05-31 01:19:50

1.無人車的定位是什麼無人車的定位就是確定無人車相當於一個座標系的位姿。座標系包括了全局座標系和局部座標系位姿包括了6個自由度（如下圖所示） 2.定位系統指標要求項目指標理想值精度誤差均值

2020-05-31 01:19:50

1.選擇ROS原因開發工具包：完整的包管理和工程結構；龐大的基礎庫；多語言接口支持計算調度模型：消息驅動的異步運行模型；抽象的P2P通信接口；自定義的消息格式調試工具：可視化的調試工具；消息查看、存儲、回放工具 2.RO

2020-05-31 01:19:50

1. 創建版本庫（1）初始化 git init （2）查看.git是否成功創建 ls -ah （3）把文件添加到版本庫 git add 文件名（4）把文件提交到倉庫 git commit -m "本次提交的說明" 2.

2019-07-06 16:31:34

1.感知概貌 1.1感知技術模塊小感知：檢測、（語言）分割、（屬性）識別、跟蹤、融合大感知：標定、定位、障礙物行爲預測 1.2感知多個維度 Sensor維度（Input）：Lidar、Camera、Radar… Targ

2019-06-12 22:11:24

1.強化學習強化學習（Reinforcement Learning, RL），又稱再勵學習、評價學習或增強學習，是機器學習的範式和方法論之一，用於描述和解決智能體（agent）在與環境的交互過程中通過學習策略以達成回報最大化

2019-06-11 22:33:22

1.TUM數據集數據集包含一些室內的序列，在不同的紋理下，不同的光照和不同的結構條件，從RGB-D傳感器採集到的數據中分別去評估物體的重建和SLAM/視覺里程計的性能。TUM提供很多數據集，從各個有利位置捕獲對象，每個條目中

2019-06-10 18:06:41

1.引言這章我們將介紹如何在Gazebo中實現機器人導航避障的仿真。 2.準備工作（1）安裝depthimage_to_laserscan功能包，主要功能是將深度圖像轉化爲激光雷達數據。（2）安裝gmapping功能包。（

2019-02-07 01:42:03

1.引言通過前面幾章，我們在Gazebo下搭建好和仿真環境和機器人模型，這章我們將來實現Gazebo下的機器人gmapping的建圖仿真。本文采用的方案是通過將RGB-D相機採集到的深度圖像轉換爲激光雷達數據，然後採用gmapp

2019-02-06 01:38:26

1.引言這章裏我們將結束如何給機器人模型添加插件。 2.傳感器插件 2.1激光雷達插件（1）在urdf文件夾下的smartcar.urdf中添加： <gazebo reference="sensor_link"> <s

2019-02-06 01:38:26

1.引言這一章我們來學習下如何在Gazebo中搭建仿真環境，後續章節中的建圖和導航避障的仿真也在搭建的仿真環境中進行模擬。 2.仿真環境搭建（1）我們先在Gazebo下打開上一章構建的機器人模型： roslaunch sma

2019-02-02 02:20:18

1.引言機器人的模型是通過URDF文件進行描述，具體說明可以參考URDF。但對於一些複雜的機器人，通過直接編寫URDF文件就比較繁瑣，這裏我們介紹一種通過專業的三維建圖軟件Soildworks構建模型然後通過插件導出URDF文件

2019-01-31 13:11:39

1.引言 Gazebo是一個很強大的物理仿真平臺，能夠對環境、傳感器、物體的物理性質（如：重力、阻力等）進行仿真。本系列教程將通過一個案例從機器人模型搭建、傳感器插件添加、仿真環境搭建、建圖和導航避障等整個。 2.目錄（1）So

2019-01-31 13:11:39

1.引言上一章中我們成功導出了URDF文件，這章中我們將學習如何在Rviz和Gazebo下顯示我們創建的三維模型。 2.預備首先，我們需要對導出的URDF文件進行下修改。（1）package.xml文件中將“me2ema

2019-01-31 13:11:39

1.引言這章我們將學習如何把上一章中創建的三維圖導出爲URDF文件。 2.插件安裝首先我們需要安裝sw_urdf_exporter插件。安裝成功後我們可以在Soildworks中看到相應的插件。 3.添加座標系和轉軸

2019-01-31 13:11:38