lovely_yoshino的博客

模型预测控制（Model Predictive Control，简称MPC）是自动驾驶和机器人领域中一种强大的控制方法，它通过优化未来一段时间内的系统行为来实现控制目标。本文将从控制理论和优化的角度，深入浅出地介绍MPC及其在自动驾驶领域的应用。MPC由三个主要部分构成：PID图所示，两个回路之间没有交叉，就像二者是相互独立一样,如果系统（Plant）足够大，因为调参十分困难MPC的优势：可以处理多变量问题，并且可以添加约束制输入，并将第一个控制输入应用到系统中。

在研究晶体振荡器和原子钟的稳定性时，人们发现这些系统的相位噪声中不仅有白噪声，而且有闪烁噪声。使用标准差分析这类噪声时发现结果是无法收敛的。为了解决这个问题，David Allan于1966年提出了Allan方差分析，该方法不仅可以准确识别噪声类型，还能精确确定噪声的特性参数，其最大优点在于对。。随机误差则主要是高斯白噪声和bias随机游走。Allen方差主要用于标定随机误差。

0.简介为了保证激光雷达的360°环境覆盖，我们常常需要用到多传感器的拼接，如果我们单纯的取读取激光雷达的信息会出现如下图的情况，两个激光雷达会发生重叠，这就需要我们去对激光雷达进行标定。<arg name="device_ip1" default="192.168.1.200" /><arg name="device_ip2" default="192.168.1.200" /><arg name="msop_port1" default="2368" />

0. 前言在使用深度学习时候，我们可以有效地提取出我们想要的结果，但是常常会缺少深度信息（双目测景深会耗费大量的计算资源）。因此将激光雷达和单目摄像头相结合，可以有效的补充室内环境的深度信息，而目前3D的激光雷达成本高昂，这里提供一个2D激光雷达的解决方案。1. 相机坐标系变换上文提过, 在相机世界中, 3D外界点转换到2D图像像素点转换方程是我们可以通过相机的内在参数 intrinsic camera parameters实现这一转换. 但是我们不是通过视觉建立的地图，所以地图外部坐标系和相机的

准备工作安装 RT-Thread Studio。新建 Nano 工程打开 IDE，点击【文件】-【新建】-【RT-Thread 项目】：进入新建工程的配置向导：注：可以通过修改 board.c 的SystemClock_Config()更改系统时钟。工程创建完毕，连接硬件，可直接进行编译下载，如下所示：编写main.c将以下代码直接拷贝至main.c/* * 2019-09-09 RT-Thread */#include <..