欢迎大家关注我的B站: 偷吃薯片的Zheng同学的个人空间-偷吃薯片的Zheng同学个人主页-哔哩哔哩视频 (bilibili.com) 目录 1.MATLAB自动驾驶工具箱 2 ROS内置的模型 自动驾驶轨迹规划之碰撞检测(一)-CSDN博客 自动驾驶轨迹规划之碰撞检测(二)-CSDN博客 大家可以先阅读前两篇关于碰撞检测算法的介绍 1.MATLAB自动驾驶工具箱 在
欢迎大家关注我的B站: 偷吃薯片的Zheng同学的个人空间-偷吃薯片的Zheng同学个人主页-哔哩哔哩视频 (bilibili.com) 目录 1.碰撞检测的意义 2.安全走廊 3 计算几何 4 AABB与OBB 1.碰撞检测的意义 对于自动驾驶汽车或机器人的路径规划,碰撞检测是其中非常重要的一个模块,因为碰撞检测不仅仍然是路径规划中的主要计算负担,而且还会影响与路径规划安全相
欢迎大家关注我的B站: 偷吃薯片的Zheng同学的个人空间-偷吃薯片的Zheng同学个人主页-哔哩哔哩视频 (bilibili.com) 目录 1.基于圆覆盖 2.BVH 自动驾驶轨迹规划之碰撞检测(一)-CSDN博客 自动驾驶轨迹规划之碰撞检测(二)-CSDN博客 自动驾驶轨迹规划之碰撞检测(三)_本车轨迹预测 碰撞检测-CSDN博客 大家可以先阅读前三篇关于碰撞检测算法的
欢迎大家关注我的B站: 偷吃薯片的Zheng同学的个人空间-偷吃薯片的Zheng同学个人主页-哔哩哔哩视频 (bilibili.com) 目录 1.摘要 2.系统架构 3.MPDM 4.时空语义走廊 4.1 种子生成 4.2 具有语义边界的cube inflation 4.3 立方体松弛 本文解析了丁文超老师的这篇论文Safe Trajectory Generation f
0. 简介 本文介绍了基于激光雷达的4D占用补全与预测。场景补全与预测是自动驾驶汽车等移动智能体研究中的两个常见的感知问题。现有的方法独立地处理这两个问题,导致这两方面的感知是分开的。在《LiDAR-based 4D Occupancy Completion and Forecasting》中,我们在自动驾驶的背景下引入了一种新型的激光雷达感知任务,即占用补全与预测(OCF),以将这两方面统一到一
目录 1 一般概念 1.1 基元的变换 1.2 一个参数化的变换族 2 2D变换 2.1 translation 2.2 rotation 2.3 Combining translation and rotation 3 3D变换 3.1 Yaw, pitch, and roll rotations 3.2 Determining yaw, pitch, and roll fr
Lego_Loam包括了Image projection、Feature association、MapOptmization、Transform Fusion四个部分,下面博主将按照算法的逻辑顺序对代码中的重要函数进行讲解。本节是解析MapOptmization文件和Transform Fusion文件。该专栏的其他章节链接如下https://blog.csdn.net/HUASHUDEYANJ
描述 原文:Semantic Image Segmentation with Deep Convolutional Nets and Fully Connected CRFs 系列文章的第一篇,发表在2014年CVPR。 在语义分割中,通常会使用分类网络作为backbone。通过backbone之后会对特征图进行一系列的下采样,之后再进行一系列的上采样还原原图的大小 Abstract 深度卷积神经
Lego_Loam包括了Image projection、Feature association、MapOptmization、Transform Fusion四个部分,下面博主将按照算法的逻辑顺序对代码中的重要函数进行讲解。本节是解析Feature association文件中的特征匹配部分。该专栏的其他章节链接如下https://blog.csdn.net/HUASHUDEYANJING/ar
Lego_Loam包括了Image projection、Feature association、MapOptmization、Transform Fusion四个部分,下面博主将按照算法的逻辑顺序对代码中的重要函数进行讲解。本节是解析Feature association文件。该专栏的其他章节链接如下https://blog.csdn.net/HUASHUDEYANJING/article/de
1 使用场景说明 1、例如,我们要查看opencv中有哪些颜色查找表(LUT),查看如下; cv2_luts = [lut for lut in dir(cv) if lut.startswith("COLORMAP_")] print(f"opencv lut colormap number: {len(cv2_luts)}") print(f"opencv luts colormap:
AprilTags二维码的检测与应用 1 AprilTags介绍 2 使用python库包apriltag对AprilTag进行检测 2.1 python模块apriltag的安装 2.2 python模块apriltag的测试用例 3 AprilTags二维码检测,以及绘制检测框 AprilTag标记跟踪 1 Apri
1 python实现旋转矩阵转换为四元数 例如:下面把3x3的旋转矩阵转换为四元数 from pyquaternion import Quaternion rotate_matrix = [[-0.0174524064372832, -0.999847695156391, 0.0], [0.308969929589947, -0.005393090
描述 介绍一篇车位检测的文章,是一种端到端的网络结构,在实际使用中很有效。是韩国人发表的期刊文章,最近发现韩国人一些成果真是不错,写的也很清晰。原文名称:End-to-End Trainable One-Stage Parking Slot Detection Integrating Global and Local Information翻译:集成全局和局部信息的端到端可训练的单步骤车位检测和以
0. 简介 激光雷达地图中基于流的全局和度量雷达定位。自主机器人的定位是至关重要的。尽管基于相机和激光雷达的方法已经得到大量研究,但是它们会受到恶劣的光照和天气条件的影响。因此,最近雷达传感器由于其对这种条件固有的鲁棒性而受到关注。在《RaLF: Flow-based Global and Metric Radar Localization in LiDAR Maps》中,我们提出了RaLF,这是
简介:前几节我们主要介绍了关于ROS2通讯机制—主题(Topic)的发布与订阅机制的使用方法,一般情况下,数据周期发布、数据交互频率高,或者数据生产与消费不是强关联的功能,我们通过主题的发布与订阅机制来实现,比如摄像头图像数据、小车控制指令等;ROS2系统底层通讯机制还有另外一种—服务(Service),服务一般用于数据交互频率比较低或者没有明显周期性质,而且需要实时返回交互结果的功能需求中,比如
简介:在前面的章节中,我们先简单学习了ROS2的话题发布和订阅,两种操作都是通过python代码实现的,而在实际应用过程中,我们会经常用到命令行操作来辅助调试,更进一步的可以使用GUI工具辅助调试,比如前边用到的rqt中的Image View工具,这一节在现有功能基础上介绍一部分常用的命令行操作指令。 注:以下实际操作数据都是在duckiebot节点和control节点运行过程中的数据。
简介:在上一节的内容中,我们通过ROS2的话题发布功能将小车实时视频信息发布了出来,同时使用GUI工具进行查看,在这一节内容中,我们学习一下如何订阅话题并处理话题消息,具体实现的功能就是通过方向键控制小车行驶。 1、安装pynput 我们要通过键盘方向键控制小车行走,需要用python编码实现键盘事件监听,我这里使用了pynput库,默认系统时没有安装的,需要手动安装一下: $ pip3
0. 简介 本文介绍了BEVTrack:鸟瞰图中点云跟踪的简单基线。由于点云的外观变化、外部干扰和高度稀疏性,点云的3D单目标跟踪(SOT)仍然是一个具有挑战性的问题。值得注意的是,在自动驾驶场景中,目标物体通常在连续帧间保持空间邻接,多数情况下是水平运动。这种空间连续性为目标定位提供了有价值的先验知识。然而,现有的跟踪器通常使用逐点表示,难以有效利用这些知识,这是因为这种表示的格式不规则。因此,
在ROS1中由主节点(master)负责其它从节点的通信,在同一局域网内通过设置主节点地址也可以实现多机通讯,但是这种多机通讯网络存在一个严重的问题,那就是所有从节点强依赖于主节点,一旦运行主节点的设备离线,整个网络就完全瘫痪了,在ROS2中取消了主节点,通讯系统是基于DDS(Data Distribution Service)实现的,具有实时性、嵌入式、分布式、支持多操作系统等特性,下文我们将简
自动驾驶相关博客
第三方账号登入
看不清?点击更换
第三方账号登入
QQ 微博 微信