摘要: 最近在研究一个比较有意思的应用—车辆追踪算法。传统的车辆追踪算法是基于检测器检出车辆,之后使用卡尔曼滤波和匈牙利算法来进行位置预测与数据级联的。关于卡尔曼滤波,我之前已经写过一篇文章进行了详细的介绍;最近则是在研究匈牙利算法是如何工作的。这里简单的记录一下相关原理。 匈牙利算法是一种在多项式时间内求解任务分配问题的组合优化算法,广泛应用在运筹学领域。 美国数学家哈罗德·库恩于1955年提出该算法。之所以被称作匈牙利算法,是因为算法很大一部分是基于以前匈牙利数学家Dénes Kőnig(1884-1944)和Jenő Egerváry(1891-1958)的工作上创建起来的。 在车辆追踪中,匈牙利算法(Hungarian Algorithm)与KM算法(Kuhn-Munkres Algorithm)都是用来解决多目标跟踪中的数据关联问题,而数据关联问题,亦可转化为求解二分图的最大匹配问题。二分图的最大匹配问题听起来很绕口,这里如何理解呢?换句话说,就是求解任务分配问题,也叫指派问题,即n项任务,对应分配给n个人去做,应该由哪个人来完成哪项任务,能够使完成效率最高。 阅读全文
posted @ 2024-03-29 21:19 AutoDriver 阅读(1430) 评论(0) 推荐(0) 编辑
摘要: 说到定位,相信大家一定不会觉得陌生。如今我们所处的信息时代,人人都有手机。每天,我们都会用到与地图和导航有关的APP。 这些APP,就是基于定位技术的。说到定位技术呢,大家又肯定会想到GPS、北斗这些名词。是的,这些都属于全球导航卫星系统,也就是**GNSS(Global Navigation Satellite System)**。 阅读全文
posted @ 2024-03-29 21:16 AutoDriver 阅读(1663) 评论(0) 推荐(0) 编辑
摘要: 大家可以看到中间是一根竖轴穿过一个盘子,而盘子处于高速旋转状态,是陀螺的转子,根据陀螺的定轴性,竖轴也就是陀螺的自转轴在惯性空间内的方向保持不变。在这里我们要说明一点,我们拿陀螺仪出来说明欧拉角的万向锁现象不是因为我们飞机上用的陀螺仪就是这个样子,而是欧拉角中的欧拉旋转与我们陀螺仪的这个旋转状态是一样的,我们拿陀螺仪来解释万向锁产生的原因,而我们之所以称呼它为万向锁,也是因为这是三轴万向节装置中会出现的现象。 接下来我们先来看看这个陀螺仪的旋转状态。我们把飞行器放到陀螺仪旁边进行对比。首先,我们先来解释一下上面那个旋转的陀螺仪的三个环是怎么旋转的,每一个环都连有一根或者两根轴,这根轴就是每个环的旋转轴,我们可以看到最外面那个环旋转不会影响里面两个环的位置,中间那个环的旋转不会影响最里面那个环的位置,但是最外面的那个环会跟着动,而最里面那个环旋转会影响到外面两个环的位置,这种现象跟我们上一次讲欧拉旋转里的三次旋转是一样的,这也是我们拿陀螺仪来解释欧拉角万向锁现象的原因。 阅读全文
posted @ 2024-03-29 21:04 AutoDriver 阅读(55) 评论(0) 推荐(0) 编辑
摘要: 机器人的姿态测量对于许多应用至关重要,如导航、运动控制等。在这篇文章中,我们将介绍如何利用MPU6050传感器以及互补滤波和卡尔曼滤波算法来实现自平衡车的姿态测量。我们将从原理出发,逐步介绍互补滤波和卡尔曼滤波的基本原理,并提供相应的C代码实现。 阅读全文
posted @ 2024-03-29 17:21 AutoDriver 阅读(851) 评论(0) 推荐(0) 编辑
摘要: 人工智能算法犹如电影的主演,我们很多时候看电影只看到主演们的精彩,但其实电影的创意和呈现都来自于背后的导演和制片等团队。而人工智能算法背后的有关数据的软件,设施,虚拟犹如电影的导演和制片等团队。他们是塑造算法,成就算法的核心力量 阅读全文
posted @ 2024-03-28 18:24 AutoDriver 阅读(527) 评论(0) 推荐(0) 编辑
摘要: 特斯拉的摄像头视野可以覆盖车身周围360°,在前向有120°鱼眼、长焦镜头用于加强观测,布局如上图。 阅读全文
posted @ 2024-03-28 18:21 AutoDriver 阅读(386) 评论(0) 推荐(0) 编辑
摘要: 在ADAS多传感器后融合(上)中我们介绍了后融合的接口、策略。本文将主要介绍后融合的实现流程、难点及注意事项。 阅读全文
posted @ 2024-03-27 21:03 AutoDriver 阅读(359) 评论(0) 推荐(0) 编辑
摘要: ADAS系统是一种高自动化的软件应用,对系统的鲁棒性与可靠性要求很高,单一传感器往往存在一定限制,此时便需要多传感器融合。多传感器融合会带来如下收益: * 可以在部分场景提升整体感知精度。 * 某一传感器出现错误/失效时可以使用另一传感器进行补偿。 * 多传感器可以扩大FOV范围。 阅读全文
posted @ 2024-03-27 21:00 AutoDriver 阅读(145) 评论(0) 推荐(0) 编辑
摘要: 通常情况下,考虑到记忆泊车实际是一种低速自动驾驶控制过程,因此需要在记忆泊车过程中设置一定的设计运行范围才能保证其记忆建图和行驶控制具备可行性。比如,从控制逻辑上讲在记忆泊车控制中如果遇到前方障碍物的情况,对于记忆行车而言,通常是采用刹车避障的方式进行障碍物躲避。而记忆泊车则是通过转向绕行的方式进行障碍物躲避,从这一点上讲也是记忆泊车相对于记忆行车来说十分不一样的地方。此外,从整个静态ODD上看,我们的记忆行车通常是不需要考虑太多的极端的要素的。只要不是传感器本身的限制和遮挡都可以确保记忆行车控制的可行性。哪怕是类似内部道路、施工路段这类场景也可以不必作为ODD范围外需要考虑的要素,因为系统会根据识别的结果进行适时更新,但匹配上记忆行车的行驶路径方案相对比较单一。 阅读全文
posted @ 2024-03-27 18:07 AutoDriver 阅读(409) 评论(0) 推荐(0) 编辑
摘要: 首先是最优控制,之前总结LQR是一种无约束的线性二次最优控制问题,通过求解Ricatti方程得到最优控制率,而对于非线性系统,求取最优控制的问题被转化为求解对于的Hamilton-Jacobi-Bellman方程,可以转换成求解有约束的优化问题。并且mpc起源于工业应用,就是先在工业界成功应用之后才有了相对应的理论研究。 阅读全文
posted @ 2024-03-27 15:49 AutoDriver 阅读(878) 评论(0) 推荐(0) 编辑