关于 光速赛车 zs25.vip 主管Q:8635534⒎通blak 的搜索结果,共430
冰****蓝 2018-07-09
如何调节『控制参数』?
“所有”辆的基础横向控制器调谐步骤如下: 1.将matrix_q中所有元素设置为零。 2.增加matrix_q中的第三个元素,它定义了航向误差加权,以最小化航向误差。 3.增加matrix_q的第一个元素,它定义横向误差加权以最小化横向误差。 林肯MKZ调谐 对于Lincoln MKZ,有四个元素指的是状态加权矩阵Q的对角线元素: 横向误差加权 横向误差率加权 航向误差加权 航向差错率加权 过在横向控制器调谐中列出的基本横向控制器调整步骤来调整加权参数。下面是一个例子。 lat_controller_conf { matrix_q: 0.05 matrix_q: 0.0 matrix_q: 1.0 matrix_q: 0.0 } 调谐附加辆类型 当调整除林肯MKZ以外的辆类型时,首先更新辆相关的物理参数,如下面的示例所示。然后,按照上面列出的基本横向控制器调整步骤横向控制器调谐和定义矩阵Q参数。 下面是一个例子。
C****X 2018-07-10
群雄逐“图”,百度缘何备受关注?
采集队总量达280台,其中具备高精度地图采集能力的辆约40多台,单设备成本在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生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。这个具体频率目前还暂未确定,但大概要按照天级别的维度来更新。
不****主 2018-07-09
高精地图
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、决策规划、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分。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三维表征,例如交叉路口布局和路标位置。
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,直接调用接口。
y****n 2018-07-09
Apollo 自动驾驶感知技术分享
我们有很多任务,每个任务输入是多源的,包括激雷达、图像等。如果要用 Apollo 搭建感知系统,如何选择传感器、传感器配置?希望它做什么任务。 这是三种基本传感器的效果对比,LiDAR 是激雷达,Radar 是汽用毫米波雷达,Camera 是摄像头。绿色代表做得好,黄色代表做得普,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。 那么 ,感知系统开放模块怎么做? 点云感知。开放了 LiDAR 点云检测,可以判断点云里的每个点是否为障碍物,障碍物的类型是什么。 感知框架。用的是深度学习,它可以做到精准检测和识别。而深度学习非常耗费计算量。需要依靠搭建的载智能系统,来支撑深度学习模型,以达到毫秒级感知。 高精地图。先以当前的激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,网格化参数可以在 Apollo 进行配置。最后输送给障碍物检测。 障碍物检测。分为特征抽取、点云检测、点云聚类、后处理、闭包提取。
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,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
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。无论是计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,随着计算业务的成熟发展,希望计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。
小****M 2018-07-09
如何在Apollo中添加新的辆?
简介 我们过本文将向开发者阐述如何向Apollo中添加新的辆。 注意: Apollo控制算法将林肯MKZ配置为默认辆 添加新的辆时,如果您的辆需要不同于Apollo控制算法提供的属性,请参考: 使用适合您的辆的其它控制算法。 修改现有算法的参数以获得更好的结果。 添加新辆的步骤 按照以下步骤以实现新辆的添加: 实现新的辆控制器 实现新的消息理器 实现新的辆工厂 注册新的辆 更新配置文件 一、实现新的辆控制器 新的辆控制器是从 VehicleController类继承的。
TOP