- 博客(17)
- 收藏
- 关注
RSS订阅原创 机器人： 3D感知
本章是对udacity 机器人课程第三个项目3D perception项目的学习总结。本章的主要目的是以3D相机的图片作为输入， 经过一系列处理，识别图片中的目标物，标记出其坐标位置。在项目二中介绍了3D相机， 3D相机可以生成一个三维立体的图片， 本章则将这种三维立体图片进行处理，经过采样， 滤波，分割处理图片，再经过聚类和svm对图片中的目标分类达到感知的目的。本章分为三个部分第一部分介绍使用pcl库对3D图形的预处理， 改阶段的主要目的是去掉3D图形中冗余的信息；第二部分使用聚类的方法分割
2020-05-31 13:27:37
695
原创 机器人：使用模拟器完成自动采石任务
最近在学udacity的机器人课程， 陆续会将学到的内容总结成笔记发上来， 今天介绍第一个作业项目。要完成这一项目需要以下准备工作：项目使用的模拟器(MacOS, Linux, Windows);运行代码的工作环境项目源码项目介绍本项目的任务是在模拟器中操作小车自动导航并寻找和采集地图中的矿石。本章分为两个部分：第一部分介绍感知， 通过小车的摄像头记录当前位置的路况景象，对图像处理...
2020-05-03 14:42:24
582
原创 自动驾驶-MPC控制器
上节介绍了使用PID控制器控制车辆，PID控制器的优点是实现简单，处理速度快，但是缺点是不能处理有延迟的系统。本章介绍的MPC（modle predictive control）控制器能够很好的解决延迟的问题。MPC控制器的和PID控制器一样，输入有车辆下一步的运行轨迹，车辆的当前状态，输出是航向角和加速度，用来控制方向盘，油门和刹车。不同之处在于，PID控制器是实时处理当前车辆与目标轨迹的差距...
2019-06-30 16:00:13
7904
5
原创 自动驾驶-PID控制器
在自动驾驶中控制车辆是指使用方向盘，刹车，油门将车开到目的地。控制车辆的算法一般称为控制器，PID控制器是最常见，最基础的控制器之一，PID控制器是Proportion Integration Differentiation 的缩写，由英文名可以看出，PID控制器分别代表比例，积分，差分。本章介绍PID控制器每一项的物理意义和代码实现。前边的卡尔曼滤波和粒子滤波的章节分别介绍了识别其他车辆和定位...
2019-06-26 03:09:47
3752
原创 自动驾驶-使用粒子滤波定位
前几章介绍了卡尔曼滤波是用来对其他车辆追踪和定位的，本章介绍的粒子滤波是用来定位自身的。通常我们用手机地图的gps功能已经能大致定位出自身位置，但是gps存在10m左右的偏差，这么大的偏差在自动驾驶时是无法承受的。本章介绍的粒子滤波是一种高精度定位自身位置的算法。粒子滤波的原理概括来说是通过地图得到一些路标的坐标，假设自身车辆以某种概率分布在一定范围内，在这个范围内按概率分布假设一些粒子代表车辆...
2019-06-22 03:22:02
2412
原创 自动驾驶-用无损卡尔曼滤波算法定位
前边章节介绍了卡尔曼滤波的原理，并用扩展卡尔曼滤波实现匀速直线运动模型的车辆定位。从上章的介绍了解到，扩展卡尔曼滤波的方式要用到非线性的转移函数和对该函数求偏导得到的雅可比矩阵。如果转移函数比较复杂，那么求解雅可比矩阵计算量也很大，为了应对这种情况，无损卡尔曼滤波应运而生。下图给出的是车辆转弯的模型，相比匀速直线运动，这一模型加入了向角ψ\psiψ和航向角速度ψ˙\dot\psiψ˙；为了使模...
2019-06-17 02:54:34
2388
原创 自动驾驶-使用卡尔曼滤波算法定位和跟踪
参加过科一的人都知道，学车的第一步不是操控车辆而是遵守交规，行车礼让，确保安全。可见安全驾驶才是行车的第一原则。为了确保安全，司机应该观察周围车辆和行人的位置，保持安全距离。自动驾驶的车辆用来感知周围的设备是雷达和激光传感器。本章介绍使用c++实现卡尔曼滤波算法融合雷达和激光传感器完成对物体的感知和追踪，是对udacity自动驾驶课程该项目的学习总结。以感知行人为例，卡尔曼滤波算法和传感器感知物...
2019-06-15 20:52:26
6738
原创 自动驾驶-使用支持向量机对车辆检测追踪
当汽车行驶在马路上时，司机无时无刻不在关注周围动态，定位和跟踪周围的其他车辆和行人，估算自己和其他车辆的相对位置，确保自己和其他车辆和行人保持安全距离。 无人驾驶车辆通过摄像头和雷达传感器感知周围车辆和行人。本章介绍用摄像头识别和追踪道路上的其他车辆的方法，是对udacity自动驾驶课程车辆检测项目的总结。本章介绍的使用摄像头识别和追踪车辆的方法分为以下几步：特征提取；使用支持向量机训练模...
2019-05-31 02:11:42
871
原创 自动驾驶-标记车道2
要驾驶汽车需要在照片中定位出车道线的位置，然后通过透视变换，转换车道线的视角，其中一个视角是从上面向下俯视公路，如果向获得正确的透视变换，首先需要纠正图像失真，当我们讨论图像失真时，讨论的是摄像头查看真实三维物体并将其转化为二维图像时发生的问题，在这些失真的图像里，车道线的边缘发生了弯曲，他们变成弧形并且向外延伸，失真改变了这些物体本身的形状和大小，而在无人驾驶时，必须精确的检测出车道的位置和方向...
2019-03-13 01:51:47
646
原创 自动驾驶学习笔记-标记车道
要想让车辆自动行驶在道路上就要让车辆能够感知周围，例如使用传感器感知周围物体与自己的距离和相对速度，定位自身位置，通过摄像头识别周围物体的类型或交通标志，并调整行驶的速度和方向。本文对摄像头记录的道路视频进行处理，识别车道线，以使车辆在车道内行驶，避免越界，确保行驶安全。这是对udacity self-driving 第一个项目find lane line的总结，主要内容包括给出从原始图片到在其中...
2018-12-13 00:55:33
1375
2
原创 评估假设
评估改进机器学习模型的一般方法对数据集分类改进机器学习模型有以下方法供选择： 1. 增加更多的训练样本； 2. 增加或减少特征数量； 3. 使用特征的更高次幂； 4. 增加或者减少正则化参数。构造机器学习模型的一般步骤是：首先使用训练集(training dataset)训练模型，再使用测试集(test dataset)计算模型的预测误差，然后使用以上方法中的一种或几种改进模型...
2018-04-15 17:18:26
1004
原创 自动驾驶-利用tensorflow实现fcn对图片语义分割
上一章介绍了FCN技术，本章将结合代码介绍FCN模型在tensorflow中的实现。 FCN模型分为编码和解码部分，其中编码部分使用卷积神经网络模型，主要处理对图像进行分类的问题，而实际上已经有很多性能良好的卷积神经网络网络模型例如AlexNet、VGG16和GoogLeNet。所以在搭建FCN模型时，可以直接利用tensorflow提供的接口使用已经训练好的模型，再用1x1卷积神经网络替换全连...
2018-04-07 19:08:05
7548
8
原创 自动驾驶-使用fcn语义分割
上一章利用卷积神经网络处理分类问题，卷积神经网络在图像分类问题中取得了很高的精度，很好的解决了图像是什么的问题，然而其在处理过程中丢失了空间信息，无法回答目标物体在哪里的问题。本章介绍的全卷积神经网络（fully convlutional network）保留了图像的空间信息，输出图像和原始图像分辨率相同，并且在像素粒度上对图像中的目标物进行分类。如图所示使用fcn模型对道路进行语义分割，对每个像...
2018-04-07 16:16:15
3097
2
原创 自动驾驶-利用卷积神经网络和对交通标志分类
利用卷积神经网络对交通标志分类上一章总结了神经网络算法的基本概念，本章在此基础上介绍在图像分类任务中使用的神经网络算法：卷积神经网络（CNN), 然后介绍tensorflow的基本用法，最会给出在tensorflow上使用卷积神经网络算法对交通标志进行分类的步骤和部分源码。完整的源码可以在这里。卷积神经网络神经网络每一层生成的新的神经节点作为新的特征输入下一层，从而能够处理较复杂的...
2018-03-26 00:31:37
5455
4
原创 自动驾驶-神经网络介绍
神经网络在自动驾驶系统中，车辆会通过摄像头和传感器不断收集周围环境的数据，并指导车辆完成相应动作。车辆的传感器主要完成探测周围物体位置及预测其运动趋势的任务，摄像头则完成对周围物体进行识别以及对交通标志进行分类的任务。摄像头在对图像分类过程中使用的算法是机器学习中的神经网络算法，本章主要介绍神经网络算法的相关概念。本章首先介绍神经网络会用到的一些基础概念，包括线性回归，逻辑回归，代价函数，...
2018-03-20 03:19:39
3373
原创 自动驾驶-寻径
自动驾驶-寻径问题在自动驾驶项目中，路径规划是指目标车辆利用地图和传感器得到的数据，规划出一条能够到达目的地的安全可行的路线，并交给车辆控制器去执行的过程。首先考虑一种较简单的场景，当道路没有其他车辆或障碍物时，则目标车辆只需要沿着道路形成的曲线匀速行驶即可，此时目标车辆只需得到一个能够拟合当前道路轴线所形成曲线的多项式即可。为了得到这一多项式，以当前车辆位置为起点，从下一个时间段车辆将要...
2018-03-11 15:54:59
629
原创 卡尔曼滤波学习笔记
卡尔曼滤波学习笔记在自动驾驶中，一项重要的技术是目标跟踪。自动驾驶车辆通过车上的传感器探测道路上目标物的位置，但是信号在传输过程中不可避免的会引入噪声影响测量精度。测量值接近真实值的概率呈正态分布。虽然噪声不能完全消除但可以通过算法提高系统的测量精度，卡尔曼滤波算法由于计算简单得到了广泛的应用。假设你坐在自动驾驶的汽车中，汽车附近有行人，此时行人的状态可以用一组特征来表示，包括与你的相对位置，行人的
2017-10-18 00:27:03
936
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人