关于 什么植物可以迷幻人【V信;799.196.362】辣 的搜索结果,共1174
y****n 2018-07-09
Apollo 自动驾驶感知技术分享
希望它做任务。 这是三种基本传感器的效果对比,LiDAR 是激光雷达,Radar 是汽车通用毫米波雷达,Camera 是摄像头。绿色代表做得好,黄色代表做得普通,红色代表做得差。最后,说明了三种传感器融合效果是最好的。 那 ,感知系统开放模块怎做? 点云感知。开放了 LiDAR 点云检测,判断点云里的每个点是否为障碍,障碍的类型是。 感知框架。用的是深度学习,它做到精准检测和识别。而深度学习非常耗费计算量。需要依靠搭建的车载智能系统,来支撑深度学习模型,达到毫秒级感知。 高精地图。先当前的激光雷达作为坐标系核心,把地图中的点投到坐标系里。然后建立快速的表格,根据感知的距离扩大坐标区域。之后对俯视图进行网格化,网格化参数在 Apollo 进行配置。最后输送给障碍检测。 障碍检测。分为特征抽取、点云检测、点云聚类、后处理、闭包提取。特征抽取,就是建立一个网格,每一个网格提取的息对应一个值,每一个网格都有一个特征,拼接形成一张图;点云聚类,是用的网格做结果预测;后处理,是由于预测不准,对障碍的判断会存在误差,所要通过后处理来精确障碍
不****主 2018-07-09
高精地图
高精地图最重要特征之一是精度,手机上的导航地图只能达到米级精度,而高精地图使车辆能够达到厘米级的精度,这对确保无车的安全性至关重要。 二、高精地图与定位、感知规划的关系 高精地图用于定位 高精地图是Apollo平台的核心,许多无驾驶车模块都有赖于高精地图,有了高精地图我们就需要在该地图上进行自定位。这意味着需要弄清我们在地图上的位置,这就是定位——无驾驶车辆在地图上的确切位置。 首先车辆能会寻找地标,我们使用从各类传感器收集的数据,如摄像机图像数据、激光雷达收集的三维点云数据来查找地标。车辆将其收集的数据与其在高精地图上的已知地标进行比较,这一匹配过程是需要预处理、坐标转换、数据融合的复杂过程。 无车的整个定位过程取决于高精地图,所车辆需要通过高精地图明确它处于位置。 高精地图用于感知 无车也使用高精地图来帮助感知,就像的眼睛和耳朵会受到环境因素的影响一样,无车的传感器也是如此。摄像机、激光雷达、雷达探测体的能力,在超过一定距离后都会受到限制。在恶劣的天气条件下或在夜间,传感器识别障碍的能力能会受到进一步限制。
TOP