2 AdamShan

尚未进行身份认证

戴姆勒自动驾驶工程师,谷歌认证机器学习专家,兰州大学无人驾驶团队创始人,主攻深度学习,无人驾驶汽车方向。

等级
TA的排名 1w+

无人驾驶汽车系统入门(三十)——基于深度神经网络LaneNet的车道线检测及ROS实现

无人驾驶汽车系统入门(三十)——基于深度神经网络LaneNet的车道线检测及ROS实现前面的博文介绍了基于传统视觉的车道线检测方法,传统视觉车道线检测方法主要分为提取特征、车道像素聚类和车道线多项式拟合三个步骤。然而,无论是颜色特征还是梯度特征,人为设计的特征阈值存在鲁棒性差的问题,深度学习方法为车道线的检测带来了高鲁棒性的解决思路,在近年来逐步替代了传统视觉方法,本文介绍一种用于车道线检测的...

2019-05-26 17:43:27

无人驾驶汽车系统入门(二十九)——使用TensorFlow Object Detection API分别在GPU和Google Cloud TPU上训练交通信号灯检测神经网络

本文将解决如何使用TensorFlow Object Detection API训练交通信号灯检测网络,使用Lisa数据集,通过简单脚本将数据集整理为tf record格式,我们将分别在本地的GPU和Google Cloud提供的TPU上进行训练,最后导出网络的protocbuf权重,在jupyter notebook中进行模型验证。首先感谢谷歌TensorFlow Research Clo...

2019-03-17 21:41:33

新书《无人驾驶原理与实践》上市,欢迎关注与支持

简介由本人作为第一作者编著的《无人驾驶原理与实践》一书已在各大平台开启预售,该书从原理到实践系统地介绍了无人驾驶汽车软件系统,包含无人驾驶系统的概览,ROS编程、机器学习和深度学习等入门基础知识,广泛使用的环境感知、定位、传感器融合、路径规划、行为决策、动作规划和高级控制算法,以及深度强化学习,端到端无人驾驶等学术研究方向。预售链接京东:https://item.jd.com/124725...

2018-12-13 18:12:06

无人驾驶汽车系统入门(二十八)——基于VoxelNet的激光雷达点云车辆检测及ROS实现

无人驾驶汽车系统入门(二十八)——基于VoxelNet的激光雷达点云车辆检测及ROS实现前文我们提到使用SqueezeSeg进行了三维点云的分割,由于采用的是SqueezeNet作为特征提取网络,该方法的处理速度相当迅速(在单GPU加速的情况下可达到100FPS以上的效率),然而,该方法存在如下的问题:第一,虽然采用了CRF改进边界模糊的问题,但是从实践结果来看,其分割的精度仍然偏低;第二,该...

2018-12-05 15:33:40

无人驾驶汽车系统入门(二十七)——基于地面平面拟合的激光雷达地面分割方法和ROS实现

无人驾驶汽车系统入门(二十七)——基于地面平面拟合的激光雷达地面分割方法和ROS实现在博客的第二十四篇中,我们介绍了一种基于射线的地面过滤方法,此方法能够很好的完成地面分割,但是存在几点不足:第一,存在少量噪点,不能彻底过滤出地面;第二,非地面的点容易被错误分类,造成非地面点缺失;第三,对于目标接近激光雷达盲区的情况,会出现误分割,即将非地面点云分割为地面。通过本文我们一起学习一种新的地面分割...

2018-11-27 17:02:04

无人驾驶汽车系统入门(二十六)——基于深度学习的实时激光雷达点云目标检测及ROS实现

无人驾驶汽车系统入门(二十六)——基于深度学习的实时激光雷达点云目标检测及ROS实现在前两篇文章中,我们使用PCL实现了在点云中对地面的过滤和点云的分割聚类,通常来说,在这两步以后我们将对分割出来的对象进行特征提取,紧接着我们训练一个分类器实现对这些对象的分类,这是一种基于激光雷达的目标检测方法。近年来,随着深度学习在图像视觉领域的发展,一类基于单纯的深度学习模型的点云目标检测方法被提出和应用...

2018-10-30 16:26:26

无人驾驶汽车系统入门(二十五)——基于欧几里德聚类的激光雷达点云分割及ROS实现

无人驾驶汽车系统入门(二十五)——基于欧几里德聚类的激光雷达点云分割及ROS实现上一篇文章中我们介绍了一种基于射线坡度阈值的地面分割方法,并且我们使用pcl_ros实现了一个简单的节点,在完成了点云的地面分割以后,为了使用激光雷达完成环境感知,我们通常会对非地面点云进行进一步的分割,换句话说,我们希望对地面以上的障碍物的点云进行聚类,通过聚类,我们可以检测出障碍物的边缘,并且使用3维的Boun...

2018-10-11 17:14:28

无人驾驶汽车系统入门(二十四)——激光雷达的地面-非地面分割和pcl_ros实践

无人驾驶汽车系统入门(二十四)——激光雷达的地面-非地面分割和pcl_ros实践在无人驾驶的雷达感知中,将雷达点云地面分割出来是一步基本的操作,这一步操作主要能够改善地面点对于地面以上的目标的点云聚类的影响。本文首先带大家入门pcl_ros,首先我们使用pcl_ros编写一个简单的ros节点,对输入点云进行Voxel Grid Filter。接着我们在此实践的基础上实现点云地面和非地面的分割节...

2018-09-29 18:19:10

无人驾驶汽车系统入门(二十三)——迁移学习和端到端无人驾驶

迁移学习和端到端无人驾驶前面我们介绍了神经网络和深度学习的基础知识,在本文中我们将介绍迁移学习的概念,并将迁移学习应用于端到端无人驾驶模型。一般来说,大型深层神经网络的训练对计算资源要求较高。然而,很多普通开发者只拥有简单的深度学习计算环境,这成为阻碍深度学习广泛应用的瓶颈之一。例如,为了训练一个深度为50层的残差神经网络,利用NVIDIAM40GPU需要大约14天才能完成模型训练。...

2018-09-05 09:50:29

无人驾驶汽车系统入门(二十二)——使用Autoware实践激光雷达与摄像机组合标定

无人驾驶汽车系统入门(二十二)——使用Autoware实践激光雷达与摄像机组合标定单目相机分辨率高,我们可以使用各种深度学习算法完成对目标检测,但是缺乏深度,坐标等信息。激光雷达能够获得目标相当精确的三维坐标信息,但是分辨率低,目前主流的为64线和32线,稀疏的电云数据为模式识别带来了困难。一种简单的思路是融合相机和激光雷达对目标障碍物完成检测,在图像层面使用深度学习方法将目标检测识别,...

2018-08-14 17:21:16

无人驾驶汽车系统入门(二十一)——基于Frenet优化轨迹的无人车动作规划方法

动作规划动作在无人车规划模块的最底层,它负责根据当前配置和目标配置生成一序列的动作,我们前面讨论的三次样条插值实际上只是一个简单的路径,而非我们最终能够执行的轨迹,本文介绍一种基于Frenet坐标系的优化轨迹动作规划方法,该方法在高速情况下的ACC辅助驾驶和无人驾驶都具有很强的实用性,是目前普遍采用的一种动作规划算法。基于Frenet坐标系的动作规划方法由于是由BMW的MoritzW...

2018-06-22 23:20:35

无人驾驶汽车系统入门(二十)——基于自由边界三次样条插值的无人车路径生成

无人驾驶汽车系统入门(二十)——基于自由边界三次样条插值的无人车路径生成前面我们提到,轨迹即包含时间这一维度的路径,而无人车的动作规划问题实际上就是要根据初始配置和目标配置生成一序列的动作,一种简单的思路即生成从当前位置x到目标位置y的轨迹,然后通过purepursuit方法来完成循迹,其中,轨迹生成是非常重要的一步,在本节我们介绍一种基于三次样条插值的路径生成方法,后面我们将结合Mo...

2018-06-14 18:45:02

无人驾驶汽车系统入门(十九)——分层有限状态机和无人车行为规划

分层有限状态机和无人车行为规划行为规划又称为行为决策,是无人车规划模块三层(任务,行为,动作)的中间层,本文将介绍行为规划的基本概念,设计核心,同时介绍一种具体的无人车行为规划方法——分层有限状态机,行为规划(BehaviorPlanning)是无人车规划模块的一层,位于全局任务规划和底层的动作规划层之间,驾驶行为规划也被称为驾驶行为决策,这一层的作用主要是依据来自上层(任务规划...

2018-06-09 15:08:13

无人驾驶汽车系统入门(十八)——使用pure pursuit实现无人车轨迹追踪

无人驾驶汽车系统入门(十八)——使用purepursuit实现无人车轨迹追踪对于无人车辆来说,在规划好路径以后(这个路径我们通常称为全局路径),全局路径由一系列路径点构成,这些路径点只要包含空间位置信息即可,也可以包含姿态信息,但是不需要与时间相关,这些路径点被称为全局路径点(GlobalWaypoint),路径(Path)和轨迹(Trajectory)的区别就在于,轨迹还包含了时间...

2018-06-03 11:22:40

无人驾驶汽车系统入门(十七)——无人驾驶系统基本框架

无人驾驶汽车系统入门(十七)——无人驾驶系统基本框架前面的文章基本上是想写什么写什么,缺乏条理,本节我们完整的梳理一遍无人驾驶系统的基本框架,帮助读者建立对整个系统的完整认识无人驾驶系统的核心可以概述为三个部分:感知(Perception),规划(Planning)和控制(Control),这些部分的交互以及其与车辆硬件,其他车辆的交互可以用下图表示:由上图可知,无人驾驶...

2018-05-29 10:50:37

无人驾驶汽车系统入门(十六)——最短路径搜索之A*算法

无人驾驶汽车系统入门(十六)——最短路径搜索之A*算法路线规划中一个很核心的问题即最短路径的搜索,说到最短路径的搜索我们就不得不提A*算法,虽然原始的A*算法属于离散路径搜索算法(我们的世界是连续的),但是其使用启发式搜索函数的理念却影响着我们后面会介绍的连续路径搜索算法,所以在介绍连续路径搜索算法之前,理解基本的A*算法是很有必要的,本节我们从广度优先算法出发,一步步改良算法直到引出A...

2018-04-14 22:35:03

无人驾驶汽车系统入门(十五)——ROS入门与实践(2)

无人驾驶汽车系统入门(十五)——ROS入门与实践(2)上一节我们讲了ros的核心概念以及命令行的基本操作,在本节我们一起了解一下ros的基本编程,我们讲通过Husky模拟器完成一个简易的ROS包,通过实例了解ROS下的CMake文件的语法,然后使用Rviz可视化激光扫描的结果创作不易,转载请注明出处:https://blog.csdn.net/AdamShan/article/...

2018-04-10 16:06:11

无人驾驶汽车系统入门(十四)——ROS入门与实践(1)

无人驾驶汽车系统入门(十四)——ROS入门与实践(1)前言:作为目前最广泛使用的开源机器人软件平台,ROS(RobotOperatingSystem)极大的提升了机器人开发的效率。目前无人驾驶系统的实际实现仍然依赖于ROS,作为一个相对成熟的机器人软件平台,ROS虽然存在一些缺点,在无人驾驶系统的系统实现上,ROS仍然是开源框架中最好的选择,这也是为什么诸如Apollo,Autowa...

2018-03-22 14:17:07

Move-it无人驾驶黑客马拉松记录

Move-it无人驾驶黑客马拉松记录 好久没有更新博客了,近段时间参加了在贵阳由pixmoving举办的无人驾驶黑客马拉松,和来自全球10余个国家的20余名黑客在5天时间内做了一辆具备场内驾驶能力的无人驾驶汽车,本片文章其实是我个人对于本次活动的一个记录,我是本文作者,原文首发在“优达学城Udacity”微信公众号,更多细节推荐大家关注这个公众号。原文链接:https://mp.we...

2018-03-16 17:02:01

无人驾驶汽车系统入门(十三)——正态分布变换(NDT)配准与无人车定位

无人驾驶汽车系统入门(十三)——正态分布变换(NDT)配准与无人车定位定位即确定无人车在这个世界中的哪个位置,是无人驾驶技术栈中必不可少的一部分。对于无人车而言,对定位的要求极高,一般情况下,我们希望我们的无人车能够达到厘米级的定位精度,单纯使用GPS能够达到米级别的定位,显然,无人车的定位模块需要其他的技术支持以进一步提高定位的精度。本文介绍一种依赖于高精度地图和激光雷达的定位技术

2018-02-01 17:02:58

查看更多

CSDN身份
  • 博客专家
勋章 我的勋章
  • GitHub
    GitHub
    绑定GitHub第三方账户获取
  • 专栏达人
    专栏达人
    授予成功创建个人博客专栏的用户。专栏中添加五篇以上博文即可点亮!撰写博客专栏浓缩技术精华,专栏达人就是你!
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv1
    勤写标兵Lv1
    授予每个自然周发布1篇到3篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。