- 博客(54)
- 资源 (6)
- 收藏
- 关注
RSS订阅
原创 路径规划的二次规划方法-知识总结
总的来说，路径的优化方法还是比路径的采样方法好，耗时少，但是采样也有采样的优点。每个场景结合不同的规划算法，会比较合适。
2023-03-19 16:19:04
3379
原创 非线性控制理论与模型预测控制MPC-知识总结
自适应控制器适用于系统状态不是完全已知，使得控制器适应不知道的参数。2.非线性系统的基础反馈稳定控制器。反馈控制器适用于系统状态完全已知。4.非线性自适应控制器。1.李雅普诺夫稳定性。3.非线性反馈控制器。
2022-11-06 15:53:58
1700
原创 规划代码ros移植-POMDP预测规划(一)
一. 马尔可夫Ｍarkov的原理：首先，马尔可夫过程的大概意思就是未来只与现在有关，与过去无关。即定义如下：Ftn,t1,t2……tn−1(xn∣x1,x2……xn1)=Ftntn−1(xn∣xn1)F_{t_{n}, t_{1}, t_{2} \ldots \ldots t_{n-1}}\left(x_{n} \mid x_{1}, x_{2} \ldots \ldots x_{n} 1\right)=F_{t_{n} t_{n-1}}\left(x_{n} \mid x_{n} 1\right)
2021-07-16 19:34:43
1128
7
原创 从零开始学习深度强化学习及其在自动驾驶下的实战项目
鉴于网上有许多开源的强化学习理论基础的视频，而且许多项目都是基于gym游戏进行开发的简单项目，并未涉及使用前沿的。为驱动进行代码的学习，并设立有学习交流社区群，购买后即可加入，一起探讨科研问题。本课程是为了帮助大家快速入门强化学习和学会应用深度强化学习进行算法的开发。的单智能体和多智能体的深度强化学习入手，以。进行强化学习开发与讲解，所以本课程着重从。
2024-04-16 12:47:08
177
原创 ros2移植Apollo的Lattcie的部分算法并实现与carla0.9.13的联合仿真
这里要注意，我使用的是ubuntu18.04的eloquent版本，所以launch.py里面的节点写法有区别，如果你们是其他版本，应该是需要修改的。唯一要注意的是，里面可能涉及的一些ros的库，需要换成ros2版本的sudo apt-get安装。2.carla仿真时，Town03有滑坡，所以如果车辆初始化在滑坡上，会导致车自己滑动，无法规划，可以考虑换其他Town，或者找平路。注意，这里的anaconda3路径，ros版本路径，和/home/xx/.local/bin路径，要改称自己的。
2024-01-27 16:59:00
1267
原创 ros2移植Apollo和autoware规控算法可跑工程
我这里用的ubuntu18.04的eloquent的版本，大家安装其他版本的ros2时，可能需要修改代码的.launch.py文件的参数，比如node_executable改为executable。2.ros2版本的我只更新到基础代码部分，可以参考学习一下ros2的基础代码，需要carla联合仿真研究算法的，用ros1版本。这里可能涉及的一些库，需要换成ros2版本的重新sudo apt-get安装，有了之前环境配置的经验，相信这不是问题阿。在相应报错路径的Scalar.h的头文件加上。
2023-10-06 12:13:04
1128
1
原创 Ubuntu18.04使用carla0.9.11联合仿真搭环境教程
ubuntu18.04运行carla比较麻烦，因为默认的python是2.7，包括ros自带的也是python2，所以会遇到一些错误，但是不慌，慢慢学习，解决。需要购买代码的可以私。
2023-08-10 22:49:22
1763
原创 Autoware.ai1.14.0自动驾驶-Demo运行
一定要注意解压文件是在.autoware/路径下的，不然后续运行launch文件时，会提示找不到文件：.autoware/data/tf/tf.launch:修改run脚本，改为正确source路径为了防止警告，找到‘state_publisher’并用‘robot_state_publisher’去代替它。
2023-08-06 17:48:01
1784
4
原创 自动驾驶决策规划控制ros移植Apollo和autoware算法可跑工程（适合入门学习，科研和实战）
需要了解具体可私信，this project and code require a fee。其中涉及的算法和仿真平台一目了然，希望可以集合各位学习研究自动驾驶的小伙伴们一起交流。
2023-07-09 21:11:00
5728
13
原创 多智能体强化学习理论与算法总结
我的理解：on-policy就是使用最新的策略来执行动作收集数据，off-policy的训练数据不是最新策略收集的。on-policy也是使用同个策略网络去采样动作并执行，更新Q值也需要用到该策略网络。代码：https://blog.csdn.net/tianjuewudi/article/details/121005721。先搞明白on-policy和off-policy。3.一些基础算法（PPO,DQN等）步骤。
2023-06-29 10:29:26
1092
1
原创 强化学习理论-知识总结（二）
强化学习中状态价值函数和动作价值函数的理解：策略梯度主要有两个问题，第一是优化策略依赖于样本，如果样本不均匀方差大，则影响效果，第二是依靠轮次奖励来优化动作的概率（即策略），不那么准确，因为有些奖励大的动作如果没有被采样到，那就没有被优化到了。AC算法：熵正则化和熵最小化:正则化为什么能防止过拟合:DQN(Deep Q Network)及其代码实现深度强化学习——DQN算法原理。
2023-06-17 15:14:39
700
原创 深度学习实战项目(二)-基于yolov5和svm的摔倒检测系统设计
所使用的数据集包含了图片和对应的摔倒人物的位置标签。该数据集的配置来自coco128.yaml。
2023-05-29 18:34:49
1256
1
原创 深度学习目标检测项目实战(六)-基于Faster rcnn pytorch的遥感图像检测
代码：https://github.com/jwyang/faster-rcnn.pytorch/tree/pytorch-1.0。
2023-05-26 20:50:11
3606
原创 anaconda环境编译lib报错 Microsoft Visual C++ 14.0 or greater is required的解决办法
【代码】anaconda环境编译lib报错 Microsoft Visual C++ 14.0 or greater is required的解决办法。
2023-05-23 16:17:07
590
原创 pyqt5界面+myql+跳绳系统设计
改项目主要是学习界面的设计开发，已把一些流行的算法做成功能较好的系统，这里以跳绳计数算法为例子，进行一个开发流程。
2023-05-16 17:36:02
1023
2
原创 深度学习实战项目(一)-基于cnn和opencv的车牌号识别
网上大部分是关于tensorflow，使用pytorch的比较少，本文也在之前大佬写的的基础上，进行了数据集的完善，和代码的优化，效果可比之前好一点。
2023-05-07 21:55:04
5757
5
原创 深度学习目标检测项目实战(五)—基于mobilenetv2和resnet的图像背景抠图及其界面封装
该项目很有意思，也是比较前沿，项目主要参考了开源代码：https://github.com/PeterL1n/BackgroundMattingV2数据集https://grail.cs.washington.edu/projects/background-matting-v2/#/datasets下载比较小的数据集主要看readme的介绍有两个训练的代码：train_base.pytrain_refine.py要用gpu训练，不然顶不住，比如配置data_path.pth以指向您的数据集
2023-05-07 19:05:43
1096
1
原创 深度学习目标检测项目实战(四)—基于Tensorflow object detection API的骨折目标检测及其界面运行
参考原始代码：https://github.com/tensorflow/models/tree/master/research我用的是1.x的版本所以环境必须有gpu版本的tensorflow，训练才快。（1）原始数据集必须有jpg图片和对应的xml文件。（4）以上操作都是对训练数据集，验证数据集同时操作：因为项目只有一种类别，所以长这样。若有多个则继续往后加。我这里选择ssd_mobilenet_v2_coco，下载下来解压：这里复制文件到里面。
2023-03-30 14:32:29
1349
1
原创 深度学习目标检测项目实战(三)—基于Yolov5的遥感图像目标检测及其界面封装
这里使用官方的yolov5.60进行训练，yolov5的好处就是使用起来便利，只要定义好数据集格式，加上硬件不差，基本上可以跑出来。这里以遥感图像目标检测为例子进行实战。
2023-03-22 10:24:05
4535
4
原创 pyqt5实战-目标检测-图像处理-人脸检测之UI界面
这里可以分为三种功能，分别为摄像头检测，图片检测，视频文件检测，核心代码如下：# 摄像头识别nw = w。
2023-03-12 11:06:40
2741
5
原创 深度学习目标检测项目实战(二)—基于Faster-RCNN的交通标志检测
目前目标检测算法有很多，流行的就有faster-rnn和yolov，本文使用了faster-rnn框架进行训练，效果还不错，准确率，当然也可以使用更高版本的Yolov进行实战。
2023-03-04 21:56:55
2191
原创 深度学习目标检测ui界面-交通标志检测识别
为了将算法封装起来，博主尝试了实验pyqt5的上位机界面进行封装，其中遇到了一些坑举给大家避开。
2023-03-04 13:01:58
2748
1
原创 深度学习目标检测项目实战(一)—基于深度学习框架yolov的交通标志检测
目前目标检测算法有很多，流行的就有faster-rnn和yolov，本文使用了几年前的yolov3框架进行训练，效果还是很好，当然也可以使用更高版本的Yolov进行实战。跑工程的原理步骤都是一样的，都可以学习。
2023-03-03 17:06:32
2140
1
原创 深度学习目标检测-交通标志检测web界面
使用Faster-RCNN进行训练，这是一个二分类的问题，也就是检测是否存在交通标志，而未进行分类。今天我们一起学习利用flask框架将深度学习检测封装为一个界面系统。1.该界面适合所有检测目标，只需要更改界面的后台检测算法即可。2.目前算法仅仅是交通标志的检测，检测分类的话后续会进行更新。使用Flask框架进行网页的搭建。这里选用fcnet，也可选择vgg进行训练。
2023-02-26 19:06:34
790
1
原创 Qt实战-聊天界面案例
本项目模仿某平台，实现类似的聊天案例，喜欢的朋友可以在此基础上进行添加功能。2.使用QToolButton生成头像列表。使用udp通信接收本地服务器的消息。需要源代码可以私信我。
2022-11-02 12:26:06
701
2
原创 Apollo规划代码ros移植-动态障碍物处理(一)
关于动态障碍物的处理，目前我认为主要有三种反映：（1）超车（2）跟随（减速避让）（3）停车目前，在模拟障碍物时，我们提前生成障碍物的行使轨迹点。然后设置一定的速度让障碍物移动。目前通过sleep的方式控制车的移动速度，后面完善一下。还有，目前先学习Lattice规划对动态障碍物的处理。需要说明一下的事情，只能用Lattice采样规划，因为Lattice二次规划在代码里面只用static_obs_sl_boundaries_进行处理，说明只针对静态障碍物。一.超车从代码来看，Apollo在巡航模式的
2022-06-23 22:03:39
777
原创 Apollo规划代码ros移植-混合A*
今天学习移植一下混合A*（Hybrid a）。想要工程代码的看我这一篇：Apollo6.0规划代码ros移植-路径规划可跑工程分享1.A start算法使用A Star 算法实现自动寻路详解 2.Rs曲线Reeds-Shepp和Dubins曲线简介[运动规划算法]Dubins曲线和Reeds-Shepp曲线 Hybrid A star是一种带有半径约束的路径平滑规划算法，算法思想来自A算法，但A是没有考虑平滑和半径约束的路径规划算法，且基于栅格地图的网格搜索算法，它们的目标代价函数是为了形成一条路径最
2022-06-09 23:10:35
2056
1
原创 Apollo规划代码ros移植-EM planner
之前出了这一篇文章，Apollo规划代码ros移植-路径规划可跑工程代码编译版本分享1，里面的功能包括stanly控制算法，Lattcie规划移植，frenet采样规划，倒车规划，避开障碍物等。框架可以实现基于Lanelet高精度地图的路径规划，可以直接编译运行，跟其他模块结合后，可应用于实际车辆。今天，先介绍一下EM_Planner的Ros移植。当然，后面还会出变道和超车的算法移植，这次的EM_Planner我们暂时考虑单车道规划，对于代码更新，我都会第一时间在交流群分享，所以想进群学习的人，可以私信我。
2022-05-31 23:27:33
1427
1
原创 Apollo6.0规划代码ros移植-小白领进门
这里总结一下进群学习的伙伴的一些小白问题：1.这工程包括什么内容？2.为什么我的参考线有时候不是中心线？3.lattice planner包括什么东西？4.可以自己加轨迹发布吗？比如把所有轨迹发布出来5.为什么轨迹不能避开障碍物？6.如何阅读代码？7这代码如何使用？怎么规划出轨迹呀？8.二次规划的作用是什么？..................
2022-05-12 21:47:18
882
原创 Apollo规划代码Ros移植之-利用cmake编译protobuf
1.安装protobuf步骤：sudo apt-get install autoconf automake libtool curl make g++ unzipgit clone https://github.com/protocolbuffers/protobufcd protobufsh autogen.sh./configuremakesudo make install刷新动态库：sudo ldconfig完成查看：protoc --version2.CmakeLis
2022-04-30 18:43:57
1739
2
原创 Apollo和autoware规划算法代码ros移植-路径规划可跑工程分享
Apollo6.0规划核心代码移植到Ros工程，可编译移植分享
2022-04-21 16:09:13
7000
16
原创 自动驾驶路径规划之-----经典规划算法总结
1.Dijkstra算法链接: Dijkstra算法详解.2.A*算法(A start)链接: A*算法详解.3.RRT算法链接: RRT算法详解.4.混合A*算法Hybrid A*各种算法可视化https://www.redblobgames.com/pathfinding/a-star/introduction.html
2022-04-08 14:19:01
569
原创 ubuntu运行rviz报错：QXcbConnection: XCB error
ubuntu运行rviz报错：QXcbConnection: XCB error
2022-03-16 18:04:26
2013
1
原创 Apollo规划代码ros移植-Lattcie的二次规划
二次规划的原理：1.要进行二次规划，我们必须离散化参考线，也就是参考线是有一系列密集的点构成。2.我们要计算出实时的纵向距离s。3.计算出障碍物的横向偏移和纵向位置，在这里目前我只测试了静态障碍物。计算横向偏移和纵向位置的方法就是： 根据障碍物的边界顶点，计算顶点到参考线最近的位置点，找到与其对应的匹配点。Ros移植的代码搭建：Bug解决方法：......
2021-12-27 16:52:10
1725
9
原创 机器学习之分类回归树
一. 随机森林RFRF是分类树随机选取一定固定数量的样本和特征来构建决策树，有放回的抽样。对每棵决策树分别进行分类器的训练求每棵树预测结果的百分比的平均值，选取最大的占比的结果作为最终的预测结果二. GBDTGBDT是回归树根据数值特征构建决策树（比如年龄）求每个结点的平均值求与平均值的差值通过差值构建一棵残差树不断拟合残差结果，通过迭代使得残差变小核心是累加所有树的结果作为最终结果入门例子的话，可以看这个视频讲的例子，不错：https://www.bilibili.co
2021-12-27 16:20:50
567
原创 工业缺陷检测项目实战(四)——基于HRNet的陶瓷缺陷检测
代码下载链接：https://gitee.com/wxyfmq123456/HRNet-Image-Classification?数据下载链接：https://aistudio.baidu.com/aistudio/datasetdetail/32615。每个文件夹代表一个类型，里面的图片全部都是二值化图片（.png），原图（.jpg）可以删去或者备份在其他地方。这里数据集已经提供了二值化图像的png，我们需要用png图像进行训练。其他参数，比如迭代次数epoch，bath_size等，可以自己调参。
2021-12-26 11:06:03
3389
4
dynamic_routing.zip
2021-12-27
lane_recognition.zip
2021-11-16
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人