智能驾驶 - 随笔分类(第4页) - 未完代码

摘要：如果我们用无人驾驶汽车追踪另一輛汽车，应该选择那一个高斯分布？应该选择第三个，因为这个高斯函数的确定性更高。正因如此他与另一輛车碰撞的几率减到最小。因为知道更多有关这辆车的信息。阅读全文

posted @ 2018-04-24 18:30 未完代码阅读(234) 评论(0) 推荐(0) 编辑

摘要：最下面的分布是一个相对不确定的分布，我们对之所知甚少阅读全文

posted @ 2018-04-24 18:21 未完代码阅读(340) 评论(0) 推荐(0) 编辑

摘要：记得Markov模型，世界被分成了离散的网络。然后给每一个网格一个固定的概率。这种表现在空间上的表现概率的方法成为直方图。他将连续的空间分成有限多的网格小块。然后根据原概率分布的直方图估计后验概率的分布，这直方图仅仅对连续分布的近似表达。在卡尔曼滤波中分布取决于所谓的高斯函数，高斯函数是一个空阅读全文

posted @ 2018-04-24 18:15 未完代码阅读(559) 评论(0) 推荐(0) 编辑

卡尔曼滤波器简介——追踪介绍

摘要：自动驾驶汽车使用激光雷达跟踪其他车辆，如何找到其他车辆？我想找到其他车辆的原因是我不想和其他车辆发生碰撞。为了进行评估我们必须得先明白如何解释传感器数据。不知是明白其他车辆在那，还要知道速度是多少，这样你就可以避免与他们进行碰撞，这对行人和其他物体也很重要。知道其他车在那里，并且对他们将要去那阅读全文

posted @ 2018-04-24 17:03 未完代码阅读(518) 评论(0) 推荐(0) 编辑

矩阵——矩阵介绍

摘要：课程概述你刚刚听到了很多术语，很可能觉得它们很陌生。在本课程中，你会初步了解很多概念和工具，而在你成为无人驾驶车工程师的过程中，你会不断遇到它们。在该课程结束时，你需要展示你对基础线性代数的掌握程度。你需要编写自己的 class 矩阵，并使用这个类来编写一个功能完好的“卡尔曼滤波器”（我们稍后会阅读全文

posted @ 2018-04-24 16:23 未完代码阅读(234) 评论(0) 推荐(0) 编辑

udacity/CarND-Path-Planning-Project 工程详细配置过程——吐血整理

摘要：本人原创，转载请注明地址学习udacity/CarND-Path-Planning-Project 工程过程 1.首先登陆 jeremy-shannon/CarND-Path-Planning-Project下载工程，如下图 2.在 https://github.com/udacity/self- 阅读全文

posted @ 2018-04-21 17:04 未完代码阅读(2766) 评论(4) 推荐(1) 编辑

二维车辆世界

摘要：无人驾驶汽车-2D世界 [示范] 现在，你将要使用2维网格，而不是1维网格。但是你要做的四件事情，与你在之前的那个1D案例中的四件事情一样：编写一个函数，用于初始化网格中的概率编写一个函数，输出机器人在网格上特定点的概率编写一个函数，用于显示网格的概率（这个函数是为你提供的）编写一个函数，用阅读全文

posted @ 2018-04-10 12:07 未完代码阅读(240) 评论(0) 推荐(0) 编辑

一维车辆世界

摘要：机器人初始化想象一下，你有一个生活在一维世界中的机器人。这个机器人依存于九个不同空间的网格。它只能向前或向后移动。如果它从网格上脱落下来，则会绕回到另一侧。这个机器人有一张地图，这样它可以知道只有九个空格。但机器人不知道它在地图上的位置。下面就是该一维地图。第一次打开该机器人时，它在这些空间中阅读全文

posted @ 2018-04-10 11:52 未完代码阅读(325) 评论(0) 推荐(0) 编辑

概率密度

摘要：旋转酒瓶，瓶嘴在0到360范围内x处的概率密度f(x) 在0到60秒之内处x,概率为0，概率密度为1/60 变更概率密度在下面的选项中选择上午出生概率密度是下午出生概率密度2倍的选项。计算下图中a和b的值。分段连续概率分布你刚刚学到的概率分布看起来像一个离散的概率分布。但事实上，它仍然是一阅读全文

posted @ 2018-04-09 14:29 未完代码阅读(798) 评论(0) 推荐(0) 编辑

离散和连续概率

摘要：连续变量单点概率在本课的下一部分，Sebastian Thrun 将向你介绍连续变量，连续概率分布及其背后的含义。如之前所述，连续变量可以采用任何实数，例如整数或小数。即使是像圆周角度这样的变量也是连续的。连续变量单点概率在本课的下一部分，Sebastian Thrun 将向你介绍连续变量阅读全文

posted @ 2018-04-09 13:50 未完代码阅读(628) 评论(0) 推荐(0) 编辑

贝叶斯法则

摘要：1.条件概率 P(A/B)=P(B/A)*P(A)/P(B) 0.3*0.2/0.1 2.全概率公式 3.贝叶斯法则以下问题将有助于你回顾在“贝叶斯法则”章节中学习到的知识。 1.条件概率 P(A/B)=P(B/A)*P(A)/P(B) 0.3*0.2/0.1 2.全概率公式 3.贝叶斯法则以下阅读全文

posted @ 2018-04-09 11:40 未完代码阅读(981) 评论(0) 推荐(0) 编辑

降低无人驾驶的不确定性

摘要：在无人驾驶领域有很多不确定性，我们知道车辆位置，速度，方向等测量值，不可能是完美的侧量，每一个测量值都有不确定性，我们知道这些测量值会相互影响。例如我们对车辆的位置不确定，我们需要收集车辆周边和移动的数据，无人驾驶车使用传感器测量车辆速度，周边景色，物体。尽管传感器测量的数据并不完美，我们把这些信息阅读全文

posted @ 2018-04-09 10:45 未完代码阅读(210) 评论(0) 推荐(0) 编辑

车辆横向约束

摘要：车辆在行驶道路上存在曲率变化较大，如果不考虑横向约束执行机构转动速率的限制，可能造成车辆转角突然变大，导致车辆失稳，甚至侧翻。为了保证车辆的横向稳定性需要对横向加以约束[9]。其中表示车辆横向加速度，表示车辆速度，表示转弯半径，与道路曲率成倒数。本文不考虑车辆纵向控制，设定车辆在一定速阅读全文

posted @ 2018-04-06 10:13 未完代码阅读(914) 评论(0) 推荐(0) 编辑

双目视觉的距离探测公式

摘要：双目摄像头可以完成所有单目摄像头能完成的功能，同时能够获得后者永远无法企及的深度信息。无论何种状态的驾驶系统，无人的还是有人的，对障碍物的信息最重要的是障碍物与自车之间的距离，其次才是识别障碍物的类型。准确判断障碍物与自车间的距离是保证车辆安全的首要信息，只有获得准确的距离信息，才能准确得出有可阅读全文

posted @ 2017-11-18 06:09 未完代码阅读(4636) 评论(0) 推荐(0) 编辑

雷达局部坐标向大地坐标的转换

该文被密码保护。

posted @ 2017-11-06 11:58 未完代码编辑

随笔分类 - 智能驾驶