openCalib中Lidar和IMU(INS)标定--论文解读
精确可靠的传感器校准对于自动驾驶中融合lidar和惯性测量至关重要。该论文提出了一种新的自动驾驶三维激光雷达和姿态传感器的three-stage外参标定方法。第一阶段通过点云表面特征快速校准传感器之间的外部参数，使外部参数在短时间内从较大的初始误差范围缩小到较小的误差范围；第二阶段在去除运动畸变的同
使用开源激光SLAM方案LIO-SAM运行KITTI数据集，如有用，请评论雷锋
LIOSAM运行KITTI数据集
机器人避障系统基础
用来采集运动时环境中障碍物信息的环境信息采集系统是自动避障系统的重要组成部分。全面、精确信息的获取，能够增强智能小车的自动避障性能，同时必须考虑信息处理的及时性和难易程度。视觉传感器、激光雷达测距传感器、红外测距传感器和超声波测距传感器等是主要的几种应用于智能小车自动避障的探测器。超声波测距传感器的
ros(23)：接收rviz中的2D Nav Goal、2D Pose Estimate消息
即设置二维导航目标，并使用“goal”这个话题进行通讯（结合rviz的其他教程，话题名也可能是“/move_base_simple/goal”）其消息类型为：geometry_msgs/PoseStamped1.2 2D Pose Estimate即设置二维初始位姿并使用“initialpose”进
Nuscenes 数据集浅析
Nuscenes 数据集浅析
高精度定位的功能安全、预期功能安全及完好性
1、功能安全功能安全（Functional Safety）是一个系统或设备整体安全的组成部分。当系统出现功能性故障或失效时，将进入安全的可控模式，从而避免造成人员伤亡。比如：用于GNSS组合惯导系统中IMU传感器由于老化或者硬件失效导致输出的横向加速度异常跳变或者卡滞，软件安全机制需要能够检测出异常
[CV学习笔记]tensorrt加速篇之yolov5seg 实例分割
yolov5 实例分割
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
