火柴的初心的博客

1.声明  本文为自己的研究总结，内容可能有些不全面，不客观，但都是自己根据阅读的各类文献总结而来。这篇博文主要介绍的是基于视觉的移动平台运动目标检测，写这篇博文的目的主要是对自己一个阶段性总结。2.引言  运动目标检测一直是计算机视觉领域研究的热点，同样也是很多应用的基础，比如：SLAM，交通监控等等。运动目标检测其实就是从图像序列中检测出运动目标。当然，检测出运动目标后，就可以做许多其他的事情，比如说，估计目标的速度，预测目标的状态等等。3.重要性  我们身处一个动态的世界，比如，车辆在马路上

1.惯性导航系统是自动驾驶中必不可少的关键部件惯性导航在自动驾驶定位系统中具有不可替代性。惯导具有输出信息不间断、不受外界干扰等独特优势，可保证在任何时刻以高频次输出车辆运动参数，为决策中心提供连续的车辆位置、姿态信息，这是任何传感器都无法比拟的。惯性导航系统是唯一可以输出完备的六自由度数据的设备。惯导能够计算x, y, z三个维度的平动量（位置、速度、加速度）和转动量（角度、角速度），并可以通过观测模型，推测其他传感器状态的测量值，再用预测值和测量值的差用于加权滤波。若要获得实时的姿态角、方位角

智能驾驶汽车的车辆控制技术旨在环境感知技术的基础之上，根据决策规划出目标轨迹，通过纵向和横向控制系统的配合使汽车能够按照跟踪目标轨迹准确稳定行驶，同时使汽车在行驶过程中能够实现车速调节、车距保持、换道、超车等基本操作。自动驾驶控制的核心技术是车辆的纵向控制和横向控制技术。纵向控制，即车辆的驱动与制动控制；横向控制，即方向盘角度的调整以及轮胎力的控制。实现了纵向和横向自动控制，就...

环境感知作为第一环节，处于智能驾驶车辆与外界环境信息交互的关键位置，其关键在于使智能驾驶车辆更好地模拟人类驾驶员的感知能力，从而理解自身和周边的驾驶态势。相机、雷达、定位导航系统等为智能驾驶车辆提供了海量的周边环境及自身状态数据，这些以图像、点云等形式呈现的数据包含了大量与驾驶活动无关的信息。选择性作为人类自然感知的重要特征，可以帮助智能驾驶车辆聚焦当前驾驶行为，确保智能驾驶的安全性和实时...

目前，全球主流的自动驾驶测试数据集包括Cityscapes、Imagenet（ILSVRC）、COCO、PASCAL VOC、CIFAR、MNIST、KITTI、LFW等。1.CityscapesCityscapes是由奔驰于2015年推出的，提供无人驾驶环境下的图像分割数据集。用于评估视觉算法在城区场景语义理解方面的性能。Cityscapes包含50个城市不同场景、不同背景、不同季节...