- 博客(43)
- 收藏
- 关注
RSS订阅原创 时间相关：ROS::Time()、ROS::WallTime()、use_sim_time、clock、r
ros中和时间相关的知识点总结。比如：ROS::Time()、ROS::WallTime()、use_sim_time、clock、r
2022-03-15 15:21:35
3305
原创 cartographer详解（三）—— Real Time Correlative Scan Matcher（2d模式）
cartographer详解（三）—— Real Time Correlative Scan Matcher（2d模式）摘要：关于real time 匹配的主要原理、代码详解，上一章：cartographer详解（二）—— Real Time Correlative Scan Matcher（3d模式）做了详细的介绍。这一章主要分析2d模式下的做法。主要区别：3d: 暴力搜索2d: 先通过角度切片，然后在在xy方向上暴力搜索。为了减少计算量一、主要工作逻辑以初始位置（角度）为基础，角度搜索
2020-11-13 15:36:06
1378
1
原创 cartographer详解（二）—— Real Time Correlative Scan Matcher（3d模式）
Real Time Correlative Scan Matcher摘要：这章主要讲解cartographer中使用的 real time 匹配，先将原理，然后详解代码。1、准备知识介绍概率栅格图占据栅格图（occupancy grid map），就是利用了栅格化的思路，将障碍物在地图中以占据栅格进行表示。概率越高，说明该位置很有可能有障碍物；相反概率越低，也就意味着该位置很可能是空的。下面两图分别表示占据栅格图局部示意、以及整张地图。2、Real Time 匹配算法综述激光打到障碍
2020-11-12 09:13:32
1583
1
原创 ros::spin()、ros::spinOnce()：使用细节、区别
本文主要讲解下，ros::spin()和ros::spinOnce()的使用细节，以及他们的区别。
2020-01-01 17:23:59
24137
3
原创 cartographer详解（一）—— 最小二乘问题以及ceres求解
global slam 中的一项重要任务就是进行图优化，图优化主要就是为了求解最小二乘问题，这里介绍什么是最小二乘问题，以及如何使用开源库ceres求解
2019-12-31 22:48:14
2177
1
原创 cartographer详解专栏综述
摘要：主要说明此专栏的主要讲解内容，后续文章如何展开。方便自己做规划，也方便读者快速了解此专栏的内容，也可以作为目录导航。
2019-12-25 21:26:00
1512
1
原创 无人驾驶传感器融合系列（十一）—— 相机内参标定
本章摘要：本章讲解相机畸变产生的原因，标定原理，以及如何通过opencv实现相机内参的标定。
2019-08-05 10:54:53
2541
1
原创 无人驾驶传感器融合系列（十）—— 目标追踪之相机与激光雷达数据融合
本章摘要：前几章讲了单独相机实现目标追踪，这一章讲解如何实现相机和激光雷达数据融合。整体思路是这样的，1、先是坐标对齐，将雷达坐标转换到相机坐标。2、然后将激光点往像平面投影，得到投影到像平面的点云。3、借助图像检测的框图（前面提到的YOLOv3检测）对点云实现过滤聚类。4、对聚类点后处理。
2019-07-19 11:03:24
11945
21
原创 无人驾驶传感器融合系列（九）——基于相机目标追踪之关键点描述、匹配
本章摘要：关键点检测出来之后，需要将其与其它图像上的关键点进行匹配，匹配的依据是什么了，这就需要涉及到关键点的描述了。根据关键点描述的数据值，好对不同关键点进行区别、匹配。本章概略性的讲解了，梯度直方图描述算子，二进制描述算子，匹配方法，匹配结果筛选等。
2019-07-18 17:19:57
1336
原创 无人驾驶传感器融合系列（八）——基于相机目标追踪之关键点探测
本章摘要：上一章对目标追踪中的TTC有个大概的讲解。在此基础上，第八、九章将对关键点keypoints方法进行详细的讲解。主要内容：图像上的关键点具备什么样的特征，如何检测；对检测出来的关键点如何描述，以便于和其他关键点区别和匹配；对于不同帧之间的关键点如何实现匹配，进而实现目标追踪。本章主要讲解关键点检测。
2019-07-16 12:34:15
1344
原创 无人驾驶传感器融合系列（七）——基于相机的目标追踪与碰撞检测
本章摘要：本章主要讲解基于相机实现目标追踪的整体思路，以及根据追踪的结果实现一个简单的应用TTC（time to collision），好对基于相机的目标追踪有一个大概的了解，在此了解的基础上，后续文章会对相关细节进行进一步的分析。
2019-07-15 11:42:54
2569
原创 快速傅里叶变换FFT进行频谱分析（matlab）
本章摘要：FFT是离散傅立叶变换的快速算法，可以将一个信号变换到频域。有些信号在时域上是很难看出什么特征的，但是如果变换到频域之后，就很容易看出特征了。这就是很多信号分析采用FFT变换的原因。本章主要讲解如何采用matlab进行傅里叶变换，以及需要注意的事项。
2019-07-04 16:03:09
46808
3
原创 无人驾驶传感器融合系列（六）——毫米波雷达方位角估计（77GHz FMCW）
本章摘要：本章主要讲解毫米波雷达如何估计障碍物的方位角，方位角的分辨率计算，方位角可估算范围。
2019-07-04 12:33:00
10521
9
原创 无人驾驶传感器融合系列（五）——毫米波雷达测速原理（77GHz FMCW）
本章摘要：介绍调频连续波（FMCW），如何进行测速，测速范围，测速分辨率如何计算。
2019-07-03 23:22:10
9769
原创 无人驾驶传感器融合系列（四）——毫米波雷达测距原理（77GHz FMCW）
本章摘要：介绍什么是调频连续波（FMCW），它是如何进行测距的，测距分辨率分析，测距范围分析。
2019-07-03 16:58:39
15925
原创 无人驾驶传感器融合系列（三）——真实激光雷达点云数据流的处理
本章摘要：在前两章中，讲解了激光雷达点云的分割、聚类基础原理以及实现。这一章主要介绍真实点云情况下的一些预处理，比如点云的导入、过滤、裁剪。然后根据单帧障碍物检测的pipeline，处理点云数据流。
2019-06-26 22:51:15
8827
4
原创 无人驾驶传感器融合系列（二）——激光雷达点云的聚类原理及实现
本章摘要：在上一章，我们采用RANSAC算法分割出了地面点云，非地面点云。我们通常会对非地面点云进行进一步的分割，也就是对地面以上的障碍物的点云进行聚类，通过聚类，我们可以检测出障碍物的边缘，然后使用3维的Bounding Box将障碍物从三维点云中框出来。本章将讲解Euclidean 聚类算法、PCL实现，并对其所利用的基本的数据结构kd-tree进行讲解。
2019-06-24 16:40:04
11943
8
原创 无人驾驶传感器融合系列（一）——激光雷达点云的分割原理及实现
本章摘要：激光雷达扫描得到的点云含有大部分地面点，这对后续障碍物点云的分类、识别和跟踪带来麻烦，所以需要将其分割掉。本章主要讲解点云的基础分割算法—RANSAC算法，通过例子分析其基本原理，然后讲解如何运用PCL实现RANSAC算法。
2019-06-24 12:08:24
9272
2
原创 C4_运动学模型轨迹跟踪控制
运动学模型、轨迹跟踪控制、carsim/simulin联合仿真、s-function函数书写、实列分析、《无人驾驶模型预测控制》
2019-02-28 21:06:21
3677
2
原创 C3_模型预测控制算法基础
线性时变模型预测控制、非线性系统的线性化方法、非线性模型预测控制、线性二次规划调节器LQR、《无人驾驶车辆模型预测控制》
2019-02-28 18:26:03
2125
2
原创 拉格朗日对偶性
拉格朗日对偶性摘自李航<统计学方法＞看了一圈关于对偶性的解释，还是李航老师的解释比较容易懂一些，摘录下来，便于复习和大家学习．关于等式约束优化(拉格朗日条件)，不等式约束优化（KKT条件)的理解，知乎回答：彭一洋的回答 - 知乎，写的非常直观易理解．如果对拉格朗日条件不熟悉的话，建议看对偶性之前先看看上面的文章．...
2019-01-15 11:14:23
207
原创 反向传播(back propagation)_神经网络中的运用
反向传播(back propagation)其实是梯度下降的延伸, 当神经网络超过2层的时候,就需要用到反向传播了.本文将通过简单的例子,讲解反向传播在神经网络中的运用.
2019-01-10 22:09:46
1044
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人