Gavinmiaoc的博客

VTD(VirtualTestDrive）是德国VIRES公司开发的一套用于驾驶辅助系统，主动安全和自动驾驶的完整模块化仿真工具。其运行于Linux平台，功能覆盖了道路环境建模、交通场景建模、天气和环境模拟、简单和物理真实的传感器仿真以及高精度的实时画面渲染等。VIRES公司是自动驾驶仿真开放格式OpenDrive,OpenCRG和OpenScenario的主要贡献者，VTD的功能和存储也依托于这些开放格式。而VTD分布式显示系统。......

LGSVLSimulator[1]是一个基于Unity游戏引擎开发的开源自动驾驶仿真系统。LGSVLSimulator提供端到端的仿真，它通过一个自定义的通信Bridge与多种自动驾驶系统（autonomousdriving(AD)stacks）进行消息传递。

接上回Apollo prediction 相关操作_山水之间2018的博客-优快云博客中训练MLP深度学习模型。今天来整理下如何进行自己的MLP训练

DCMS：具有双重一致性和多伪目标监督的运动预测香港科技大学暂无代码。我们提出了一种具有双重一致性约束和多伪目标监督的运动预测新框架。运动预测任务通过结合过去的空间和时间信息来预测车辆的未来轨迹。DCMS的一个关键设计是提出双重一致性约束，在训练阶段在空间和时间扰动下对预测的轨迹进行规范化。此外，我们设计了一种新颖的自集成方案来获得准确的伪目标，以通过显式监督多目标来模拟运动预测中的多模态，即多伪目标监督。我们在Argoverse运动预测基准上的实验结果表明，DCMS显著优于最先进的方法，在排行榜上名列第一

环境搭建

目录摘要1.介绍2.相关工作3.方法3.1. 总体框架3.2 场景表示 3.3 分层向量Transformer3.3.1 局部编码器3.3.2 全局交互模块3.3.3 多模态未来解码器3.4 训练4.实验4.1 实验设置4.2 消融研究 4.3. 结果5.结论 准确预测周围交通参与者的未来运动对于自动驾驶车辆的安全至关重要。最近，矢量化方法由于能够捕捉交通场景中的复杂交互而在运动预测领域占据主导地位。然而，现有的方法忽略了问题的对称性并且受到昂贵的计算成本的影响，面临着在不牺牲预测性能的情况

单元测试/编译单个文件

从record包里提取模块MSG信息到本地日志。

轨迹预测

添加地图

apollo +lgsvl 联合仿真

定位模块试验

cyber RT 操作

自动驾驶主车（Autonomous Driving Car ，ADC）行驶时，周围的车辆及行人在接下来的几秒内将要做什么？是否有碰撞的可能？这对于实现安全的自动驾驶而言至关重要，这也是自动驾驶领域中的轨迹预测模块的问题：对周边车辆、行人在接下来数秒时间的多种行为状态进行预测.........

实测 测试ok!或者： 不过这种方法测试没成功。【设置Apollo编译环境】a.设置环境变量，在终端输入以下命令： b.将当前账户加入docker账户组中并赋予其相应权限，在终端输入以下命令： 命令执行完成后，重新启动一下计算机。（docker环境里有操作，只需要一次就行）下面是 Apollo 演示的设置步骤：启动并进入 Apollo Docker 环境在 Docker 中编译.........

apollo 相关操作

引言自动驾驶主车（Autonomous Driving Car ，ADC）行驶时，周围的车辆及行人在接下来的几秒内将要做什么？是否有碰撞的可能？这对于实现安全的自动驾驶而言至关重要，这也是自动驾驶领域中的轨迹预测模块的问题：对周边车辆、行人在接下来数秒时间的多种行为状态进行预测，进一步影响主车的路径规划。近几年中自动驾驶行为预测领域很火的一种方式是——采用类似VectorNet（《VectorNet: Encoding HD Maps and Agent Dynamics from Vectoriz

Q百度的自动驾驶是多少级别的？如果出事了责任怎么划分呢？A百度可以做到L4级别的自动驾驶，例如萝卜快跑。Apollo平台也是支持L4级别的自动驾驶。同时百度也在研究L5级别的自动驾驶。Q如果环境中出现了状态有突变的他车，这时是不好预测或者没有办法预测的，那么预测模块是如何处理的呢？A现在的预测模块无法预测突发的时间。Q这里的与他车交互，是否也会同时生成对自车的决策，还是说只是为后面的规划模块服务的？A这里的交互，不会直接产生对自车.

通过训练卷积神经网络比较图像块的立体匹配project主页：https://github.com/jzbontar/mc-cnn基于patch的提取与比较，学习其相似性得到一个matching cost，并将正确匹配的patch定义为正样本，其他为负样本。后处理包括：cross-based cost aggregation, semiglobal match...

车道检测(Advanced Lane Finding Project)车道检测作为无人驾驶的基础技术，有必要单独进行研究下。我准备用两篇文章记录车道检测功能，本篇是基于传统算法进行车道检测，下篇将使用深度学习的算法进行分析。占坑。。。。最近比较忙后续更新先看几个流程图：实现步骤:使用提供的一组棋盘格图片计算相机校正矩阵(camera cali...

本文将对论文Towards End-to-End Lane Detection: an Instance Segmentation Approach进行解读。这篇论文是于2018年2月挂在arxiv上的。摘要当今很多车都带有辅助驾驶员的驾驶的功能，比如车道保持功能。该功能能使车辆保持在车道间的适当位置，这个功能对于有潜在车道偏离或者自动驾驶中的轨迹规划和决策都至关重要。传统的车道检测方法依...

FCW 前向碰撞报警系统前向碰撞预警系统（Forward Collision Warning，FCW），可检测前车的运动状态，当有碰撞的危险时，可向驾驶员发出警告。由安装在车头的雷达，侦测自车和前方车辆的距离及速度，初期会发出警告声来提醒驾驶人注意车距，若车距依然持续拉近，车辆便会先自动轻踩刹车，并轻拉安全带2-3次，警告驾驶人，若系统判定追撞是没办法避免时，启动自动紧急刹车（AEB）后，...

ADASADAS（Advanced Driving Assistant System）即高级驾驶辅助系统。ADAS 是利用安装于车上的各式各样的传感器，如毫米波雷达、激光雷达、摄像头、超声波雷达等，在第一时间收集车内外的环境数据， 进行静、动态物体的辨识、侦测与追踪等技术上的处理， 从而让驾驶者预先察觉到可能发生的危险，有效增加汽车驾驶的舒适性和主动安全技术。ADAS 采用的传感器主要...