xiewf的博客

控制流程 控制器预计有两种输入：目标轨迹和车辆状态。 控制器输出：控制出入（转向、加速和制动）的值。 PID控制 优点：使用简单，大多数情况下适用。 缺点：对于复杂的系统不适用，PID控制器依赖于实时误差测量，这意味着测量延迟限制时可能会失效。 线性二次调节器（LQR） 线性二次调节器（LQR）是基于模型的控制器，使用车辆状态来使误差最小化，Apollo使用LQR进行横向...

路径规划需要三个输入：地图、当前位置、目的地。 ３D轨迹 轨迹生成的目标是生成由一系列路径点定义的轨迹，每个路径点分配一个时间戳和速度，然后用一条曲线将这些路径点进行拟合生成轨迹的几何表征，由于移动的障碍物可能会暂时阻挡部分路段，轨迹中的每个路点都有时间戳，可以将时间戳与预测模块的输出相结合，以确保计划通过时轨迹上的每个路径点均未被占用，这些时间戳创建了一个三维轨迹，每个路径点由空间中的两个维...

预测模块能够学习新的行为，可以使用多源的数据进行训练，使算法随时间的推移而提升预测能力。 不同的预测方式 基于模型的预测与数据驱动预测。模型预测根据候选模型模拟自己的运行轨迹，通过车辆的移动观测它与那条轨迹更加匹配。数据驱动预测基于机器学习，通过观测结果来训练模型，模型一旦训练好可以通过模型去做预测。数据驱动方法优点是训练数据越多，效果更好，基于模型预测优点在于它的直观并且结合物理知识、交通法...

计算机视觉 对计算机而言，图像只有红色、蓝色和蓝色值的集合。无人驾驶有四个感知世界的核心任务：检测、分类、跟踪、语义分割。 检测：找出物体在环境中的位置； 分类：指明对象是什么； 跟踪：指随时间推移观测移动的物体（如行人、车辆）； 语义分割：将特许肮脏的每一个像素与语义类别进行匹配。 摄像头图像 摄像头图像是最常见的计算机视觉数据，图像中的每一个像素只是一个值，这些值构成图像矩...

定位的任务是知道车辆在高精地图中的位置。 GPS对定位来说不够精确，在1~3m范围，在高楼、峡谷等GPS信号弱的地方，甚至达到10～50m的误差。 车辆通过传感器得到的数据坐标与高精地图坐标进行对比，得到自身坐标和地图坐标之间的转换数据，这是车辆精确定位的关键。 GNSS RTK 由美国政府研发并在全球范围内运营的卫星导航系统，这类系统的通用名成为全球导航系统卫星或者GNSS，GPS是使用...

高精地图包含大量的驾驶辅助信息，最重要的信息是道路网的精确三维表征，例如交叉路口布局和路标位置。还包含许多的语义信息，地图可能会报告交通灯上不同颜色的含义，它也可能指示道路 的速度限制以及左转车道的位置。高精地图最重要的特征之一是精度，高精地图可以使车辆达到厘米级精度，对确保无人驾驶车辆的安全性至关重要。 地图与定位、感知与规划的关系 定位 车辆自定位依赖于地图，首先车辆可能会寻找坐标，可以...