《Apollo 智能驾驶进阶课程》四、感知

原创 于 2023-06-04 21:36:56 发布 · 674 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能 #机器人 #自动驾驶

文章探讨了自动驾驶中感知技术的关键要素，包括不同类型的传感器如激光雷达、相机、雷达和超声波的特性与局限。标定过程的PnP问题和ICP算法被提及，以及GPS和LiDAR如何利用环境信息。机器学习在感知算法中的作用强调了准确率、召回率和低延时的重要性，因为误检和漏检可能引发安全问题。

1. 感知概貌

在这里插入图片描述

在这里插入图片描述

感知界定： 机器人里面的学科。

在这里插入图片描述

2. 传感器和标定

激光雷达：主动式，发射功率限制
Camera: 被动式，受到光照影响大
Radar : 多普勒效率 相对速度
超声波: 感知距离有限，倒车时使用。
…

在这里插入图片描述
最后设备还在研发过程中。在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

PnP问题，解决标定。
在这里插入图片描述

ICP

在这里插入图片描述

GPS和LiDAR
利用道路边缘信息等。

核心：找共同标志物，求优化问题。

3. 感知算法

在这里插入图片描述

在这里插入图片描述

点云检测分割任务：

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

网络结构、训练技巧~
当前帧的检测要考虑到历史帧，不同时间要平滑。

让后处理尽量轻量化。

Det-2d 3d-Tracking-位置、速度

在这里插入图片描述

2D回3D
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

4. 机器学习

从自动驾驶安全性角度考虑，系统对感知的准确率、召回率和响应延时要求很高。例如在自动驾驶中的感知机器学习出现一些障碍物的漏检、误检会带来安全问题。漏检会带来碰撞，影响事故；误检会造成一些急刹，带来乘车体验的问题。同时要求低延时，如果一秒以后才获得感知结果，可能无人车已经碰上障碍物。

在这里插入图片描述

5. 感知未来

在这里插入图片描述

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Ray.so

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值