无人驾驶
关注
分享
扫一扫
文章平均质量分 90
分享无人驾驶相关技术
思绪零乱成海
静以修身，俭以养德。非淡泊无以明志，非宁静无以致远。
展开
-
炼丹系列之原料储备
文章导读随着人工智能在各行各业的渗透，AI算法越来越受到人们的关注，目前大多数AI算法仍然采用有监督学习的方式进行训练，而数据的质量就成了算法能力的上限，因此对数据打标签就成了一项至关重要的工作内容。本文针对计算机视觉领域的数据标注类型及一些开源工具进行简要介绍。目录 数据标注简介 视觉标注类型 开源标注工具 标注难点分析 数据标注简介数据标注是对原始数据（图片、视频、语音、文本等）添加一个或多个有意义的信息标签以提供使机器学习模型能够从它进行学习。.原创 2021-02-24 12:55:10 · 970 阅读 · 1 评论 -
激光点云的畸变补偿
文章导读激光雷达安装在自动驾驶车辆上，在车辆行驶过程中采集到的激光点云数据建立的三维环境模型存在一定的变形，不能真实反映某一时刻自动驾驶汽车的行驶环境。所以本文对获取一帧点云数据后如何做点云的运动补偿修复畸变问题进行讲解。目录点云畸变原理 畸变补偿方法 运动目标补偿点云畸变原理点云畸变是由于激光雷达采集数据的过程中，随着载体运动导致一帧点云中的点不是在同一时刻采集的，即不同激光点的坐标系不一致。小编使用的是VLP-16，纵向排列着16个激光发射器和接收器。VLP-16的垂直测量角度原创 2021-02-17 20:22:44 · 4647 阅读 · 0 评论 -
激光雷达感知方案
导读本文对不同类型激光雷达的数据进行分析，并且针对机械式激光雷达和混合固态激光雷达视场角不同，在中低速和高速场景下分别对比各自的感知方案。目录 激光雷达数据对比 机械式雷达感知方案 混合固态雷达感知方案 总结 前沿：由于混合固态雷达相比机械式激光雷达成本较低，也没有旋转器件过不了车轨等问题，所以逐渐得到市场上的认可。目前已经有不少主机厂采用混合固态或者固态雷达尝试做量产落地。激光雷达的应用可能是未来无人驾驶的一种发展趋势。一、激光雷达数据...原创 2021-02-06 17:44:41 · 2255 阅读 · 4 评论 -
鱼眼相机模型
鱼眼镜头之前的文章我们介绍了针孔相机模型，相机镜头是一个凸透镜，而本文介绍的鱼眼相机镜头是由十几个不同的透镜组合而成，在成像的过程中，入射光线经过不同程度的折射，投影到尺寸有限的成像平面上，使得鱼眼镜头拥有更大的视野范围。下图为鱼眼相机的组成结构：与针孔相机原理不同，鱼眼镜头采用非相似成像，在成像过程中引入畸变，通过对直径空间的压缩，突破成像视角的局限，从而达到广角成像。所以鱼眼镜头是一种极端得广角镜头，通常焦距小于等于16mm并且视角接近或等于180°（在工程上视角超过140°的...原创 2021-02-05 11:41:50 · 517 阅读 · 0 评论 -
激光雷达的障碍物检测
激光雷达感知自动驾驶中采用激光雷达做感知可以分为两个层次，低层次感知也叫作障碍物检测，只需要探测到前方有障碍物即可；高层次感知可以看做目标识别，需要对障碍物信息进一步分类。障碍物检测是指从点云数据中提取出潜在的障碍物体，得到它们的方位、尺寸、形状、朝向等信息，一般通过Bounding box来添加或者多边形来描述。障碍物检测框架激光雷达的障碍物检测流程一般如下：1. 考虑到车上有多个传感器共同作业，需要对输入的激光点云做时间同步和外参标定。2. 考虑到激光雷达的采样噪声和点...原创 2021-02-03 21:08:14 · 6407 阅读 · 2 评论 -
激光雷达原理介绍
激光雷达的工作原理激光雷达根据测量原理可以分为三角法激光雷达、脉冲法激光雷达、相干法激光雷达。本文我们只针对脉冲法测距的激光雷达做分析。基于脉冲法的激光雷达利用光速测距。激光发射器发射激光脉冲，计时器记录发射时间；脉冲经物体反射后由接收器接受，计时器记录接受时间；时间差乘上光速即得到距离的两倍。用此方法来衡量雷达到障碍物之间的距离。激光雷达系统组成发射单元：激光器、发射光学系统，发射激光束探测信号；接收单元：接收光学系统、光学虑光装置、光电探测器。接收反射的激光信号即回波信号；...原创 2021-02-02 12:39:51 · 19486 阅读 · 0 评论 -
简述AI技术的工程部署
鉴于本人从事视觉感知方向，所以本文也只简述了人工智能的CV方向在工业界的推进流程：人工智能——>深度学习——>神经网络——>计算机视觉——>工业界（自动驾驶、安防、医疗）前沿文章的精度、速度很难在工业界掀起助澜，原因在于：1、不同的依赖项需要重新搭建环境2、不同框架实现的算法要重新移植3、新的算法要重新部署和验证4、学术界一般用Pytorch/Tensorflow框架，工程...原创 2021-01-12 12:32:58 · 912 阅读 · 0 评论 -
简述无人驾驶感知功能
视觉感知系统主要以摄像头作为传感器输入，经过一系列的计算和处理，对自车周围的环境信息做精确感知。目的在于为上层智驾融合层提供丰富的信息，包括被检测物体的类别、距离信息、速度信息、朝向信息，同时也能够给出抽象层面的语义信息。所以针对交通场景的分析主要包括以下三个方面：大目标检测（车辆、行人和非机动车）小目标分类（交通标志和红绿灯）可行驶区域的分割（道路和车道线）这三类任务如果通过一个深度神经网络的前...原创 2021-01-12 19:52:39 · 8183 阅读 · 0 评论 -
简述车道线检测
针对车道线检测的任务，我们需要弄清楚几个问题：车道线的表示形式？输出类型：掩码/点集/矢量线条实例化：每个车道线是否形成实例分类：是否对车道线进行了分类（单白、双黄等）提前定义的参数：是否只能检测固定数量的车道线车道标记：是否对车道上的行车标记也做了检测这会影响到数据的标注和网络的输出形式，而且最终需要的是车道线在世界坐标系下的方程。而神经网络更适合提取图像层面的特征，直接回归方程参数有较多限制。...原创 2021-01-13 17:01:26 · 2928 阅读 · 0 评论 -
简述L4无人驾驶的发展
根据国际自动机工程师学会(SAE)将自动驾驶技术划分为L0-L5六个等级来看，其中L4为高级自动驾驶，也就是说在限定场景下汽车可以在完全不需要驾驶员介入的情况下来进行所有的驾驶操作。目前L4级别自动驾驶的应用场景多集中在封闭区域实现，因为该场景其对硬件要求相对较低，对成本相对不敏感；区域内高精地图的绘制和更新要求低；并且可与遥控驾驶混合，方便远程接管等优势。发展状况L4无人驾驶技术在物流配送领域逐...原创 2021-01-29 07:42:33 · 2862 阅读 · 5 评论