关于 超级赛车 zs25.com 主管Q:86—432& 的搜索结果,共449
金****洲 2018-07-10
混乱的集群遇见TA 从此岁月静好
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。部分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,预计流量突增,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? Q可以做虚拟化资源限制基础设施不占用过多的机器资源吗? Q如何先部署小批量机器,确认无误之后,再做全集群部署?
无****回 2020-08-28
还在等更新?别克、雪佛兰车型连接不了Carlife的车主看过来
2017款威朗自动领先型,架号LSGBC534XHG172314 能帮我下载个升包吗?154383856@qq.com
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计划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 规划轨迹 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。它被分为两类,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 纵向控制器配置为联PID+校准表。它被分为两类,包括闭环和开环。 闭环是一个联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/制动百分比。 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。
小****M 2018-07-09
如何在Apollo中添加新的辆?
简介 我们通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。
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,数据要由激光雷达提供。 由于激光雷达的精度大约是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,激光雷达可覆盖方圆100米范围,假设每个反光强度可以用一个字节记录,那么每次激光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,通常可以使用无损压缩算法,例如LASzip,有望达到过10倍的压缩率。经过这些处理,通常1TB硬盘就可以存下全国过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,但大概要按照天别的维度来更新。
y****n 2018-07-09
Apollo 自动驾驶感知技术分享
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 里定义的细分任务,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、小分类,因为大和小的开方式不一样。不同的,做出的决策规划不一样。你可以,但无法。 我们需要一个很细的障碍物分类,这根据输入的不同划分,有点云分类和障碍物中的分类。著名例子是红绿灯的识别,你需要判断交通灯的颜色。障碍物检测分类,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、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,也有对场景的分析,我们点云也用到这个。 我们在图像别会做类似的分割,目的是我们做场景建模和语义化的描述。
TOP