关于 光速生肖直播 zs25.com 主管Q:86_432_556通 的搜索结果,共727
冰****蓝 2018-07-09
如何调节『控制参数』?
lat_controller_conf { cf: 155494.663 cr: 155494.663 wheelbase: 2.85 mass_fl: 520 mass_fr: 520 mass_rl: 520 mass_rr: 520 eps: 0.01 steer_transmission_ratio: 16 steer_single_direction_max_degree: 470 } 三、纵控制器的调谐 纵向控制器由级联的PID控制器组成,该控制器包括一个站控制器和一个具有不同度增益的高/低控制器。Apollo理开环和闭环的调谐过: 开环: 校准表成。请参阅how_to_update_vehicle_calibration.md (https://github.com/ApolloAuto/apollo/blob/master/docs/howto/how_to_update_vehicle_calibration.md)的详细步骤 闭环: 基于高控制器- 低控制器- 站控制器的顺序 高/低控制器的调谐 高控制器代码要用于跟踪高于某一度值的期望度。
金****洲 2018-07-10
混乱的集群遇见TA 从此岁月静好
它屏蔽了云服务底层繁杂的控逻辑,提供简化接口给上层系统NoahEE调用,使上层系统更好更快地释放价值。 Q这么优秀的系统到底是如何实现的呢? AHALO系统采用从架构,分为Master端和Agent端。 Master端要做复杂的任务调度和控逻辑,并且所有功能都是模块化设计,用户可以根据自己的需求定制安装,包括虚拟化容器理,应用包理、部署、扩缩容、拓扑搭建和保活,集群控制等。 Agent端则以简单为原则,弱化繁琐功能,仅作为任务的执行器,其中的supervisor组件,结合父子双进程原理,做到自升级和自保活,把云运维人员的工作量降到最低。 整个系统的工作流程也十分简洁优雅!Agent过定期心跳的方式,与Master进行信,在心跳发包中发送本机状态信息,在心跳回包中获取Master期望的本机状态plan,并把期望plan与本地实际plan进行对比,针对有差异的地方做相应修改,使二者保持一致,从而保证集群中所有机器最终状态一致。 总之一句话,一朝HALO在手,从此不用发愁。所有运维需求,接调用接口。
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分别计费和理。 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,产车间的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”最尴尬的不是计费繁琐,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。将不同业务区分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。
m****t 2018-07-11
设计中立公有云云平台
如果你要做大而全的云平台,可以让客户随意操作资源名称。但如果只是做简易云平台,我的建议是用资源名称做不同用户的隔离标识,且让用户不可轻易修改该名称。比如说用户user1创建的云机名字叫“web01”,那实际创建的云机名应该是“web01.user1”,且“.user1”部分不可修改。这样过资源后缀名就可以笨拙但有效的区分开不同用户的资源。 本文接下来的内容就是云平台拿到的不同供应商资源,哪些是必要资源,哪些是可选资源;这些资源至少要进行哪种程度的理才能满足用户的基础需求,哪些功能用户嚷的响亮,但不是燃眉之急,可以放到二期三期来做。 第三必要云资源 云计算平台最早是对物理服务器的模拟,所以必须的云资源就是模拟物理服务器的资源。但云平台用SDN理网络,云机无法像物理机一样自由发ARP广,所以和机网络相关的配置也要单独理。现在云平台都把云硬盘独立于机之外单独理,本地虚拟盘几乎绝迹。
C****X 2018-07-10
群雄逐“图”,百度缘何备受关注?
(图片来源于网络) 目前百度的高精度地图以满足L3级别自动驾驶的要求为标准,所以采集的道路场景以高公路为。采集车队总量达280台,其中具备高精度地图采集能力的车辆约40多台,单车设备成本在100万人民币左右,自动化处理程度可以超过 90%。 地图的数据理与更新问题 关于地图数据的理,自动驾驶领域专家刘少山等专家表示,无人车使用的高精地图是2D网格,数据要由激雷达提供。 由于激雷达的精度大约是5厘米,所以地图的最高精度可以达到每个网格5×5厘米,在如此高倍的精度下,如何有效理数据是很“麻烦”的一件事儿。 一般情况下,激雷达可覆盖方圆100米范围,假设每个反强度可以用一个字节记录,那么每次激雷达扫描后就可产4MB数据。 但是这种扫描会涵盖公路旁边的树木及房屋等,实际上无人车行驶并不需要这些,只需记录公路表面的数据,数据过滤就成为关键一步。 过滤数据中,常可以使用无损压缩算法,例如LASzip,有望达到超过10倍的压缩率。经过这些处理,常1TB硬盘就可以存下全国超过10万公里的高精地图数据。 关于地图数据的更新频率,可能与自动化剩下的10%左右的工作量有关系。
TOP