Apollo Planning决策规划算法代码详解 (22):决策规划算法最完整介绍
前言：后台已经写完了Apollo Planning决策规划算法的完整解析，一路从规划模块的入口OnLanePlanning，介绍到常见的规划器PublicRoadPlanner；接着介绍了在PublicRoadPlanner中如何通过类似有限状态机的ScenarioDispatch进行场景决策。之后
自动驾驶规划 - Apollo Lattice Planner算法【1】
LatticePlanner算法属于一种局部轨迹规划器，输出轨迹将直接输入到控制器，由控制器完成对局部轨迹的跟踪控制。因此，Lattice Planner输出的轨迹是一条光滑无碰撞满足车辆运动学约束和速度约束的平稳安全的局部轨迹。Lattice Planner的输入端主要由三部分组成，感知及障碍物信
基于旋转高频注入法的永磁同步电机无位置传感器控制
基于旋转高频注入法的永磁同步电机无位置传感器控制一、原理解说PMSM 无位置传感器控制主要分为两类:一种是在中高速范围内利用反电动势和电角速度的关系，通过计算反电动势获取转子位置信息，例如磁链观测器，模型参考自适应法，扩展卡尔曼滤波器和滑模观测器。另一种是利用电机凸极效应的高频注入法，包括脉振高频电
ROS小车（SLAM+物体追踪）
几种轮子模型单轮平衡式结构，优点是能量利用率高缺点是转弯的时候需要倾角高速运动下很难进行控制差速转向的平衡两轮式结构，这种结构能量利用率高上下坡的时候智能车可以保持垂直，但是高速情况下转向很难控制。全向三轮结构，这种结构的优点是可以全向移动原地转向，但是由于其结构特点每次前进的时候有一个轮子无法运动
自动驾驶路径规划——DWA（动态窗口法）
动态窗口法（DWA）主要是在速度空间中采样多组速度，并模拟机器人在这些速度下一定时间内的轨迹。在得到多组轨迹以后，对这些轨迹进行评价，选取最优轨迹所对应的速度来驱动机器人运动。 动态窗口法将移动机器人的位置控制转换为速度控制。在利用速度模式对机器人运动轨迹进行预测时，首先需要对机器人的
自动驾驶感知——多传感器融合技术
自动驾驶系统由环境感知、规划、决策、控制等几个模块组成，其中环境感知需要用到诸如摄像头、毫米波雷达、激光雷达等传感设备来获取周围环境的信息。不同种的传感器有着不同的优势与缺陷，为了使感知层获得的信息更为丰富、准确，通常需要将不同的传感器进行融合。本文着重介绍多传感器融合的概念与相关知识，不具体介绍技
ROS知识：点云文件.pcd格式
一、点云文件格式 PCD (PointCloudData)本文档描述了 PCD（点云数据）文件格式，以及它在点云库 (PCL) 中的使用方式。二、为何采用新得文件格式PCD 文件格式并不是要重新发明，而是要补充现有的文件格式，这些文件格式由于某些种原因 ，不支持 PCL 为 n-D 点云处理带来的某
MPC（模型预测控制）控制小车沿轨迹移动——C++实现
要求如下图所示，给定一条轨迹，要求控制小车沿这条轨迹移动，同时可以适用于系统带有延时的情况。注意，本篇文章只给出部分C++代码参考。首先用运动学自行车模型（Kinematic Bicycle Model）对小车建模，设计相应的成本函数（cost function）和约束，之后利用OSQP求解二次规划
自动驾驶感知——激光雷达基本概念|激光雷达点云|激光雷达的标定
点云是激光雷达获取的三维场景信息的数据存储形式，不同于图像数据，点云由空间中一系列离散的点组成，并记录了这些点相对于激光雷达自身坐标系的三维坐标与反射率。一帧点云数据（包含N个点）可表示为xiyizirii1Nxiyizirii1N其中𝑥𝑖𝑦𝑖𝑧𝑖xiyizi第个点在激光
ROS 机器人操作系统：版本说明
ROS 和 ROS2由于历史原因，ROS 有两个大版本 —— ROS1（通常用 ROS 替代）和 ROS2，两者的差别如下图所示。我们知道 ROS 始于2007年11月，最早是“柳树车库”用于 PR2 机器人的开发，同时希望 ROS 能用于其他机器人。因此，柳树车库花费了大量精力定义了抽象级别（通常
路径规划 | 图解LPA*算法(附ROS C++/Python/Matlab仿真)
LPA*算法是一种增量启发式路径规划算法，在保证动态可行性的同时增强了最优性。本文图解LPA*算法原理，并提供ROS C++、Python、Matlab三种仿真环境的实验代码
路径规划 | 图解动态A*(D*)算法(附ROS C++/Python/Matlab仿真)
D*算法是一种增量式路径规划算法，可以同时兼容静态环境和存在未知动态变化的场景。本文图解D*算法原理，并提供ROS C++、Python、Matlab三种仿真环境的实验代码
六轴传感器+卡尔曼滤波+一阶低通滤波
直立控制是通过角度与角速度反馈来进行的，所以角度与角速度的测量至关重要。本系统使用 MPU6050 作为姿态传感器，集成一个加速度传感器和一个陀螺仪，可以输出三轴的加速度与角速度。角速度的获取可以通过陀螺仪来直接读取，角度的获取可以有两种方法来测量：一是通过加速度计的加速度分量来计算，二是通过陀
imu内参标定
imu内参标定，为imu-cam标定做准备
自动驾驶感知——环境感知的基本概念
从工业1.0的机械化、2.0的电气化到3.0的机电一体化，汽车工业每次都发生重大变革；以CPS为标志的工业4.0时代，将使汽车在未来10 ～20年中发生革命性的变化.工业4.0时代，传统汽车产业正在迎来一场全新的技术变革，即 “新四化”：电动化(低碳化）、智能化、网联化及共享化，传统汽车企业面临新的
高翔ORB-SLAM2稠密建图编译（添加实时彩色点云地图+保存点云地图）
目录前言系统版本一、准备工作下载源码二、编译 ./build.sh1.删除一些build文件夹2.创建 Vocabulary 文件夹3.在CMakeLists.txt中取消编译器的一些设置4.编译5.运行TUM数据集6.实时查看彩色点云地图1）2）7.保存彩色点云地图三、编译 ./build_ros
Apollo开放平台8.0发布：多维升级“为开发者而生”
Apollo开放平台8.0重磅发布：多维升级“为开发者而生”
2021年电赛F题智能送药小车（国二）开源分享
2021电赛F题智能送药小车设计并制作智能送药小车，模拟完成在医院药房与病房间药品的送取作业。使用ArduinoMega2560主控，Openmv4 Plus作视觉处理。
超详细的激光点云地面分割（可行驶区域提取）方案
超详细的激光点云地面分割（可行驶区域提取）方案
Intel Realsense D455深度相机的标定及使用（二）——对内置IMU和双目相机进行标定
标定前需先安装librealsense SDK2.0以及realsense-ros，可参考教程：Intel Realsense D455深度相机的标定及使用（一）——安装librealsense SDK2.0以及realsense-ros 插入相机并静置， 终端输入realsense-v
