智能驾驶 - 随笔分类(第2页) - 未完代码

第三期行为规划——1.课程大纲

摘要：如果你考虑数据中的所有数据流一辆以最快时间尺度操作的自驾车。频率略低于Sensor Fusion的频率。只比你有本地化和低您将在下一课中了解更多有关轨迹规划。接下来是您刚刚了解的预测。然后在此图的顶部是具有最低更新率的行为计划。行为规划的输入来自于预测模块和本地化模块。两者都从传感器融合中获得阅读全文

posted @ 2018-05-05 12:06 未完代码阅读(313) 评论(0) 推荐(0) 编辑

状态和面向对象编程——9.一直在移动

摘要：一直在移动无人驾驶车会不断监视自身状态。所以，移动和定位必须平行进行。如果我们使用卡尔曼滤波器进行定位，这意味着，随着车辆的移动，卡尔曼滤波器必须不断提供新的状态估计值。这可以保证车辆始终知道它的位置。一直在预测状态在下面的代码中，给出了一个 predict_state 函数，它接受当前状阅读全文

posted @ 2018-05-05 08:34 未完代码阅读(276) 评论(0) 推荐(0) 编辑

第三期预测——Frenet 坐标

摘要：Frenet坐标在讨论过程模型之前，我们应该提到“Frenet Coordinates”，它是一种以比传统x，y笛卡尔坐标更直观的方式表示道路位置的方式。用Frenet坐标，我们使用变量 s和d描述车辆在道路上的位置。该s坐标表示沿道路的距离（也称为纵向位移）和d坐标表示道路上的左右位置（也称为阅读全文

posted @ 2018-05-04 16:14 未完代码阅读(8788) 评论(0) 推荐(0) 编辑

第三期预测——7.思考基于模型的方法

摘要：数据驱动的方法可能非常有用特别是当我们获得大量的培训数据时。但是在某些方面，纯粹的数据驱动方法是天真的，因为他们依赖仅根据历史证据来预测未来可能的行为。理想情况下，我们还希望在我们的预测中包括，所有关于驾驶员行为的见解，物理或车辆动力学。这是基于模型的方法可以帮助的地方。这些方法通常工作的方式如阅读全文

posted @ 2018-05-04 16:04 未完代码阅读(511) 评论(0) 推荐(0) 编辑

第三期预测——6.轨迹聚类2在线预测

摘要：一旦我们的聚类算法确定了聚类和原型轨迹，在这种情况下，每个具有三个原型轨迹的三个群集，我们可以开始对在路上遇到的车辆进行在线预测。首先，我们观察了车辆的部分轨迹。接下来我们比较一下每个集群原型轨迹的相应部分。这个比较是使用完成的这是我们之前用来执行聚类的相同度量。每个群集的信念基于更新，部分轨阅读全文

posted @ 2018-05-04 15:33 未完代码阅读(2475) 评论(1) 推荐(0) 编辑

第三期预测——5.数据驱动示例轨迹簇

摘要：机器学习算法有很多种方法，用于纯数据驱动的预测方法。既然你已经完成了机器学习课程，我们不会深入研究这些技术。但在这个视频中，我想向您展示一个具有代表性的例子，这些算法擅长什么 - 轨迹聚类。与所有数据驱动的预测技术一样，会有两个阶段。算法从数据中学习模型的离线训练阶段和在线预测阶段，它使用该模阅读全文

posted @ 2018-05-04 15:08 未完代码阅读(638) 评论(1) 推荐(0) 编辑

第三期预测——4.哪个最好

摘要：哪个最好？这两种方法（基于模型或数据驱动）都不比其他方法好，但在某些情况下，其中一种比另一种更有用。考虑以下情况以及基于模型或数据驱动的方法是否更有用。习题1/3 确定潮湿路面上的最大安全转弯速度。基于模型数据驱动提交习题2/3 预测坐在路上的不明物体的行为。基于模型数据驱动提交阅读全文

posted @ 2018-05-04 14:37 未完代码阅读(305) 评论(0) 推荐(0) 编辑

第三期预测——2.输入和输出

摘要：预测的输入和输出预测模块使用来自传感器融合的地图和数据来生成关于所有其他动态对象可能做的预测。为了更清楚地说明，我们来看一个预测输入和输出的例子（json格式）。示例输入 - 传感器融合 { "timestamp" : 34512.21, "vehicles" : [ { "id" : 0, " 阅读全文

posted @ 2018-05-04 14:33 未完代码阅读(412) 评论(0) 推荐(0) 编辑

第三期预测——3 模型和数据驱动方法

摘要：想象一下T形交叉口。蓝色的自动驾驶汽车拉到停车标志，并会左转，但看到这辆绿色的汽车从左边出来。如果绿色的汽车向右转，这辆蓝色汽车是安全的。但如果绿色汽车正在直行，那么蓝色的汽车应该等待。我们用基于模型的方法处理这个问题的方式如下。首先，我们会提出两个流程模型，一个直行，一个右转。我们会用一些简阅读全文

posted @ 2018-05-04 14:26 未完代码阅读(713) 评论(0) 推荐(0) 编辑

第三期预测——1.简介

摘要：预测模块的责任就是去做一下内容：我们将输入的世界地图和来自传感器融合的数据作为输入，并产生一些预测未来的输出我们车辆附近的所有车辆和其他移动物体，通常这些预测由一组可能的轨迹表示，比如两个虚线箭头。在这种情况下从绿色车散发出来，每条轨迹的相关概率。我们将要学习一下内容： 1.概述。 a .高阅读全文

posted @ 2018-05-04 14:10 未完代码阅读(329) 评论(0) 推荐(0) 编辑

状态和面向对象编程——7.课程大纲

摘要：课程大纲贯穿本课始终的一个主题是状态的表示和预测，但是我们会分两部分探讨这个想法。课程大纲贯穿本课始终的一个主题是状态的表示和预测，但是我们会分两部分探讨这个想法。课程大纲贯穿本课始终的一个主题是状态的表示和预测，但是我们会分两部分探讨这个想法。课程大纲贯穿本课始终的一个主题是状态的表阅读全文

posted @ 2018-05-04 09:02 未完代码阅读(150) 评论(0) 推荐(0) 编辑

状态和面向对象编程——7.状态定量

摘要：不同的移动模型恒定速度在第一个移动的例子中，你看到了，如果我们假设车辆以 50 米/秒的速度匀速行驶，我们可以预测它的一个新状态：在 150 米处，速度没有变化。 # Constant velocity case # initial variables x = 0 velocity = 50 i 阅读全文

posted @ 2018-05-04 09:01 未完代码阅读(157) 评论(0) 推荐(0) 编辑

状态和面向对象编程——6.运动学

摘要：运动学运动学是研究物体运动的学科。运动模型也被称为运动学方程，它提供了预测汽车运动所需的全部信息。让我们来推导一些最常见的运动模型！运动学运动学是研究物体运动的学科。运动模型也被称为运动学方程，它提供了预测汽车运动所需的全部信息。让我们来推导一些最常见的运动模型！运动学运动学是研究物体阅读全文

posted @ 2018-05-04 08:59 未完代码阅读(357) 评论(0) 推荐(0) 编辑

状态和面向对象编程——5.一个不同的模型

摘要：更复杂的移动现在，我会给你一个更复杂的运动的例子。假设车辆从同一点出发，即从 0 米标记出发，它向前移动速度为 50 米/秒，但是它同时以20米/平方秒的速度减速。这意味着它的加速度 = -20 m/s^2。车辆以 50 米/秒的速度移动，并随着时间的推移而减速。加速度如果车辆的加速度为- 阅读全文

posted @ 2018-05-04 08:58 未完代码阅读(349) 评论(0) 推荐(0) 编辑

状态和面向对象编程——4.预测状态

摘要：预测状态在这个测验中，你需要写一个函数，基于一些给定的初始参数，使用运动模型来预测一个新的状态！阅读全文

posted @ 2018-05-04 08:55 未完代码阅读(264) 评论(0) 推荐(0) 编辑

状态和面向对象编程——3.移动模型

摘要：预测状态我们来看最后一个例子。车辆的初始状态在 0 米位置，以 50 米/秒的速度向前移动。假设车辆以不变的速度前进。每秒移动 50 米。所以，三秒钟后，它将达到 150 米标记处，其速度不会改变（因为恒定速度）！预测状态我们来看最后一个例子。车辆的初始状态在 0 米位置，以 50 阅读全文

posted @ 2018-05-04 08:53 未完代码阅读(247) 评论(0) 推荐(0) 编辑

状态和面向对象编程——2.状态介绍

摘要：什么是状态？当你对车辆定位时，你关注的只是车辆的位置和移动。这两者叫做车辆的状态。任何系统的状态都是我们所关心的一组值。在我们当前所关注的案例中，车辆的状态包括其当前位置 x 和速度 v 。在代码中，看起来如下所示： x = 4 vel = 1 state = [x, vel] 预测未来状阅读全文

posted @ 2018-05-04 08:51 未完代码阅读(266) 评论(0) 推荐(0) 编辑

状态和面向对象编程——1.定位步骤

摘要：定位所有无人驾驶车要安全畅游全球，都必须经过一系列相同的步骤。你一直在学习第一步：定位。在车辆能够安全驾驶之前，它们首先要使用传感器和收集的其他数据对它们所处的位置做出最佳估计。定位所有无人驾驶车要安全畅游全球，都必须经过一系列相同的步骤。你一直在学习第一步：定位。在车辆能够安全驾驶之前，阅读全文

posted @ 2018-05-04 08:49 未完代码阅读(249) 评论(0) 推荐(0) 编辑

behavior planning——15.cost function design weightTweaking

摘要：Designing cost functions is difficult and getting them all to cooperate to produce reasionable vehicle behavior is hard. some of the difficulties asso 阅读全文

posted @ 2018-05-03 15:09 未完代码阅读(380) 评论(0) 推荐(0) 编辑

behavior planning——14.implement a cost function in C++

摘要：n most situations, a single cost function will not be sufficient to produce complex vehicle behavior. In this quiz, we'd like you to implement one mor 阅读全文

posted @ 2018-05-03 12:12 未完代码阅读(326) 评论(0) 推荐(0) 编辑

随笔分类 - 智能驾驶