关于 三分赛车计划 zs25.vip 主管Q:86 388 714通 的搜索结果,共631
冰****蓝 2018-07-09
如何调节『控制参数』?
引言 控制模块的目标是基于轨迹和当前辆状态生成控制命令给辆。这里我们将为开发者讲述如何调节控制参数。 背景 一、输入/输出 输入 规轨迹 当前的辆状态 HMI驱动模式更改请求 监控系统 输出 输出控制命令理canbus中的转向、节流和制动等功能。 二、控制器介绍 控制器包括理转向指令的横向控制器和理节气门和制动器命令的纵向控制器。 横向控制器 横向控制器是基于LQR的最优控制器。该控制器的动力学模型是个简单的带有侧滑的自行模型。它被为两类,包括闭环和开环。 闭环提供具有4种状态的离散反馈LQR控制器: 横向误差 横向误差率 航向误差 航向误差率 开环利用路径曲率信息消除恒定稳态航向误差。 纵向控制器 纵向控制器配置为级联PID+校准表。它被为两类,包括闭环和开环。 闭环是一个级联PID(站PID +速度PID),它将以下数据作为控制器输入: 站误差 速度误差 开环提供了一个校准表,将加速度映射到节气门/制动百比。 控制器调谐 一、实用工具 类似于诊断和realtime_plot可用于控制器调优,并且可以在apollo/modules/tools/中找到。
不****主 2018-07-09
高精地图
高精地图,是Apollo定位、感知、规模块的基础。 与普地图不同,高精地图要服务于自动驾驶辆,过一套独特的导航体系,帮助自动驾驶解决系统性能问题,扩展传感器检测边界。目前 Apollo 内部高精地图要应用在高精定位、环境感知、决策规、仿真运行四大场景,帮助解决林荫道路GPS信号弱、红绿灯是定位与感知以及十字路口复杂等导航难题。 一、高精地图与传统地图 当我们开时,打开导航地图常会给我们推荐几条路线,甚至会显示道路是否拥堵以及每条路线将花费多长时间、是否有交制,有多少个交信号灯或限速标志等,我们会根据地图提供的信息来决定是在行驶中直行、左转还是右转以及对周围驾驶环境的评估。 而无人驾驶缺乏人类驾驶员固有的视觉和逻辑能力。如我们可以利用所看到的东西和GPS来确定自己的位置,还可以轻松准确地识别障碍物、辆、行人、交信号灯等,但要想让无人变得和人类一样聪明,可是一项非常艰巨的任务。 这时就需要高精地图了,高精地图是当前无人驾驶技术不可或缺的一部。它包含了大量的驾驶辅助信息,最重要是包含道路网的精确维表征,例如交叉路口布局和路标位置。
m****t 2018-07-11
中立公有云云平台
笔者以前就规过和用过这些系统,写本文的目的也是为了催促各个云平台开放此类功能。 第六进阶补充系统 除了上述核心业务系统外,云平台还可以有一些补充子系统,让用户像在用像一个标准云平台。 面向客户的API系统。高级用户会有调用API理资源的需求,云平台需要逐步开放面向客户的API或SDK。 客户智能化操作系统。云平台可以更贴近用户业务,动替客户完成一些运维操作。简单的如滚动快照云机,复杂的如根据LB负载动态扩容缩编Web服务器。云平台离客户的业务足够近,又对云端资源有深入了解,完全可以以此为切入点,从资源贩售发展为技术输出。 日志系统。无论是费日志还是操作日志都可以逐步记录和开放出来。 知和工单系统。此系统不用过多描述。 附录:我们亲眼看到CDN服务从各自为战变成了智能融合,随着算业务的成熟发展,希望算服务也能如行云流水般想迁就迁。 配图是早期火和马跑但输给马的照片,但是后来火赢了。
C****X 2018-07-10
群雄逐“图”,百度缘何备受关注?
析每个时间段里左右轮的转数,就可以科学推算出辆向前走了多远,向左右别转了多少度等。 GPS,要任务是确定四颗或更多卫星的位置,并算出它与每颗卫星之间的距离,然后用这些信息使用维空间的边测量法推算出自己的位置。 激光雷达(LiDAR), 光学雷达过向目标物体发射一束激光,然后根据接收——反射的时间间隔来确定目标物体的实际距离,随后根据距离及激光发射的角度,过简单的几何变化可以推导出物体的位置信息。 LiDAR系统一般可以别是激光发射器,发出波长为600nm到1000nm的激光射线;扫描与光学部件要用于收集反射点距离与该点发生的时间和水平角度(Azimuth);感光部件要检测返回光的强度。 高精度地图算架构 (图片来源于文章《高精地图在无人驾驶中的应用》) 整体过程可以简单描述为,陀螺仪(IMU)及轮测距器 (Wheel Odometer)可以高频率地给出当前辆的位置预测,但由于其精确度原因,位置可能会有一定程度的偏差。
金****洲 2018-07-10
混乱的集群遇见TA 从此岁月静好
算历经多年发展,从最初的概念模型,到被大众熟知,再到现在全行业拥抱上云,取得了巨大的进步。云的要客户已从最初的中小初创公司逐步渗透到各行各业的大型企业。可以说,企业上云已是企业发展的必由之路。部数据敏感的企业结合自身数据的安全性、所有权和控制权等综合因素考虑,会选择搭建自己的私有云或者混合云环境。 但是在上述环境中,用户的机器都需要自行理,这就必然给云运维人员带来很多意想不到的麻烦。 其实我们面临的问题从来就没有什么大的变化,唯一不同的只是机器规模越来越大,人心越来越复杂。 Q如何在1台机器上部署基础设施?A 一切都源于那个亘古不变的道理:扔一个文件到机器上,然后跑一个命令。 Q如何在10台机器上部署基础设施?A 写个for循环搞定。 Q如何在10000台机器上部署基础设施?A 这个也好办!定制操作系统镜像CUSTOM.iso装机自动化安装! then…… Q如何快速升级所有机器上的基础设施? Q服务因异常挂掉,能自动重启保活吗? Q公司做活动,预流量突增,能扩容吗? Q公司活动结束,为节约成本,能缩容吗? Q新开发的基础设施服务有问题,能立马回滚吗?
嘟****y 2018-07-11
大型企业适用的云平台账户体系
但套用过去理虚拟机的经验,理IaaS和PaaS服务时要有资源池隔离,不同部门和项目的机资源要费和理。 一个很常见的场景是,人事部的OA系统申请了15万云机费用,生产间的ERP和销售部的CRM系统不设上限,外部客户A项目预算是50万,B项目是200万,等等等等。 如果没有资源池的概念,就是一个账户所有资源的“大铺”模式,客户要把脚趾头都掰完了才能算清各项目的消费金额;万一云平台调整了资源价格,较真的客户又要从头重算一次。 这个“大铺”最尴尬的不是费繁琐,而是一个账户下所有资源毫无权限隔离,客户或者只有一个人去登录云平台,或者将不同业务注册完全孤立的账户。互联网公司无法理解传统企业和自然人有关的流程是多沉重,客户选一个云平台理员完成所有操作,客户的项目越多理员员就越晕越累。将不同业务区为不同账户也解决不了问题,因为客户和云平台都要将这批账户统一理,但实际扣费进度总会超出意外,项目欠费停机或者追加预算,挨骂受累的都是平台理员。
y****n 2018-07-09
Apollo 自动驾驶感知技术
控制模块会让向前行,感知模块获得新的信息,不停循环,应对更新的环境状态,实现整体良性的循环。 核心:感知用来做什么? 感知的输入跟环境相关。只要符合条件,都可以被列为感知。在 Level3 和 Level4 里定义的细任务,把输入输出具体化。 障碍物检测,包括人、、石头、树木等。上图是点云输出,下图是图像感知示例。Level3 检测结果障碍物,对于 Level4 来说,不仅知道这是,而且可以将其按大、小类,因为大和小的开方式不一样。不同的,做出的决策规不一样。你可以超小,但无法超大。 我们需要一个很细的障碍物类,这根据输入的不同,有点云类和障碍物中的类。著名例子是红绿灯的识别,你需要判断交灯的颜色。障碍物检测类,我们得出障碍物信息,这样有利于我们做后续决策。 我们要知道每个障碍物可能运行的轨迹,它会不会超、插入道或者无故变线,这需要障碍物跟踪。障碍物跟踪是很重要的模块。我们要运用障碍物,也有对场景的析,我们点云也用到这个。 我们在图像级别会做类似的割,目的是我们做场景建模和语义化的描述。
双****4 2018-07-10
词向量(
预测输出的格式如下所示: [[0.03768077 0.03463154 0.00018074 ... 0.00022283 0.00029888 0.02967956]] 0 the 其中第一行表示预测词在词典上的概率布,第二行表示概率最大的词对应的id,第行表示概率最大的词。
****ac 2018-07-12
亿元免费算力 | 百度大脑AI Studio重磅推出算力支持
“提供总1亿元免费算力,助力开发者成功”——百度大脑AI Studio 大数据、大模型、大算力是深度学习发展的必备因素,算力的重要性不言而喻。4月23日,首届 WAVE SUMMIT 2019深度学习开发者峰会,百度一站式开发平台 AI Studio 重磅推出算力支持:豪掷1亿元免费算力,为普开发者破除算力桎梏。 百度大脑AI Studio 百度大脑AI Studio是集合AI教程、代码环境、算法算力、数据集和比的一站式学习、开发、交流平台。该平台旨在帮助开发者迅速掌握AI开发知识,并熟悉模型创建,训练及部署的全过程。 百度大脑AI Studio中,项目有两个模式::一人一卡(单机)和远程集群模式。 其中一人一卡模式的配置此前以CPU为。为了解决该模式下性能不足的问题,百度大脑AI Studio准备了大量的Tesla V100训练卡和相关资源,总价值1亿人民币。 Tesla V100训练卡是当前性能最好的工业级训练卡之一。根据英伟达的说明, 该GPU的性能是单核CPU的47倍。此举将普惠百度大脑AI Studio用户,破除用户的算力困境。
TOP