Auwoware算法节点解析

一、视觉
1.图像处理
image_processor
图像校正image_rectifier
图像旋转image_rotator
2.检测
vision_darknet_detect
模型包括单阶段的YOLOv2和YOLOv3,并提供COCO数据机上训练的权重
要求安装Nidia gpu &cuda
vision_ssd_detect
模型是单阶段的SSD
基于Caffe
vision_lane_detect
基于OpenCV实现的车道线检测
基于Google的实现opencv-lane-vehicle-track
trafficlight_recognizer
交通信号灯识别
将地图中交通信号灯投影到图像上,然后用SSD等模型识别
3、分割
vision_segment_enet_detect
模型是ENet,一个计算量小,参数少的高效网络
基于Caffe
4、跟踪
vision_beyond_track
多目标跟踪方法BeyondPixels
二、Lidar点云
点云处理
point_downsampler
点云降采样(distance filter,random filter,ring filter,voxel grid filter)
points_preprocessor
cloud_transformer:点云坐标转换
compare_map_filter:对比激光雷达点云和点云地图,然后提取或者去除一致的点
points_concat_filter:合并点云
ray_ground_filter:地面滤波
ring_ground_filter:地面滤波
space_filter:点云裁切
三、配准
1、
ndt_cpu在cpu上运行ndt算法
ndt_gpu在gpu上运行ndt算法
ndt_tku
pcl_omp_registration
2、检测
lidar_euclidean_cluster_detect
从点云中检测独立目标,根据邻近程度,将点聚类并发布出去
lidar_native_i_shape_detect
L-Shape fitting算法,对聚类的点云拟合边界框
lidar_shape_estimation
L-shape fitting算法
lidar_apollo_cnn_seg_detect
基于百度Aplool的object segmenter
lidar_point_pillars
模型是Point Pillars进行3D目标检测
四、跟踪
1、
imm_ukf_pda_track/ lidar_imm_ukf_pda_track
要求
eucledian_cluster节点
ray_groud_filter节点
/tf话题
vectormap中的wayarea信息
2、lidar_kf_contour_track
基于kalman Filter的目标跟踪
三种跟踪选项
五、检测融合
pixel_cloud_fusion将图像色彩信息赋予点云(数据级融合):将点云投影到图像,提取到图像RGB信息,反投影到LiDAR空间,发布着色点云。
要求:相机内参,相机-激光雷达外参,校正图像
range_vision_fusion
匹配图像2D检测和点云3D检测,将2D检测类别信息赋予3D检测(决策级融合)
输入:相机内参,相机=激光雷达外参,相机和激光雷达的检测结果
五、定位模块
GNSS数据
定位模块使用的传感器包括gnss、lidar、车身can
lidar_localizer
使用来自LiDAR的扫描数据和预先安装的3D地图信息,计算车辆在全球坐标中的自我定位。
gnss_localizer
将NMEA消息从GNSS接收器转换到x,y,z,roll,pitch,yaw位置。该结果可以单独用作自我车辆的位置。也可以用于初始化和补充lidar_localizer的结果。
ekf_localizer
融合lidarlocalizer系统的姿态/ndt_pose和车odom反馈的车速/can_twist,状态变量为x,y,yaw,yaw_bias,vs,wz,通过EKF滤波输出组合后的位姿。
六、NDT Matching原理
基于一种成称为正态分布变换NDT的技术,用于空间数据表示和配准的技术。连续空间划分为若干个小的网格。
七、决策规划模块解析
1、决策
2、路径规划
3、轨迹生成
4、执行与反馈
5、core_planning 包含了Decision和规划Planning
决策模块在感知perception和规划planning模块中间。
6、decision_maker
位于文件夹src/autoware/core_planning下,主要是车辆的逻辑决策、包括状态转换,针对交叉路口与紧急情况的处理逻辑,车辆位置和路线判断相关的逻辑。
enteryMisssionInitState和updateMissonInitState。包含了等待和处理基于车道行点的任务指令逻辑,显示了与任务管理和执行相关的复杂交互。
7、Mission任务-decision_maker_node_state_mission.cpp:
mission层处理长期规划和车辆行程的总体目标。如人物初始化和等待人物指令。
文件中逻辑可能包括处理任务的开始和结束,比如检测和管理基于车道的航点信息,以及在接收到新任务时更新状态。
8、Behavior行为-decision_maker_node_state_motion.cpp
专注于车辆在特定情景下即时行为和决策。
9、Motion运动-decision_maker_node_state_motion.cpp
设计车辆的具体控制和即时运动调整,如准备驾驶状态,处理紧急状态和执行驾驶操作。
10、op_global_planner
路径规划系统的一部分,专门负责生成车辆从当前位置到目标位置的全局路径。
11、Freespace Planner提供了全局规划器节点,这些节点能够存在静态/动态障碍物的空间中规划航点。
aster_navi是基于astat_search包中的混合A*搜索算法的全局路径规划器,该节点以恒定周期执行规划并发布lane_waypoins_array
12、waypoint_planner模块是核心规划系统的一个关键组成部分,专门负责生成和管理车辆的行使路线。{接收全局路径,生成细化的Waypoints,速度规划,适应性调整,平滑路径跟踪,动态速度控制,与环境互动,支持复杂驾驶任务、状态空间扩展,启发式函数,碰撞检测,高效性,适应性,灵活性}
13、waypoint_planner模块的输入和输出
14、mpc_follower模型预测控制算法,是一种高级的过程控制策略,应用于工业和汽车控制系统。{1、动态模型2、预测3、优化4、控制输入的应用5、回馈和循环}

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/838864.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【Git教程】(十九)合并小型项目 — 概述及使用要求,执行过程及其实现,替代解决方案 ~

Git教程 合并小型项目 1️⃣ 概述2️⃣ 使用要求3️⃣ 执行过程及其实现 在项目的初始阶段,往往需要针对重要的设计决策和技术实现原型实验。当原型评估结束后,需要将那些成功的原型合并起来称为整个项目的初始版本。 在这样的情景中,各个原…

php代码审计参考

代码审计思路: 从个人角度出发,如果环境允许的话,可以先选择做一个”程序员“再来做代码审计。因为从开发者的位置去思考问题,可以快速定位问题。学习面向对象编程以及面向过程编程,编写一些 项目提升对代码的理解能力…

Android Compose 六:常用组件 Button

Button 1 简单使用 Button(onClick { /*TODO*/ }) {Text(text "我是一只button里的text")}效果 颜色为什么是这个样子? 前面Text里我们讲过 主题色会影响组件的颜色 这里我使用的颜色如下 primary Color(0xFFFF0000),onPrimary Color(0xFF00FF00),p…

什么是合法IP地址?

IP地址,即互联网协议地址,是网络设备在互联网上进行通信的唯一标识符。IP地址有两种主要版本:IPv4和IPv6。为了保证网络通信的正常进行,IP地址需要是合法的。本文将详细阐述什么是合法IP地址,以及其重要性和验证方法。…

如何给实拍添加旋转模糊效果?视频模糊特效PR模板剪辑素材

PR特效模板,高级旋转模糊效果视频模板剪辑素材。 特征: After Effects 2019及以上兼容项目。 Premiere Pro 2021及以上兼容项目。 可用分辨率(4K–HD–方形–移动)。 不需要插件。 包括教程。 免费下载:https://prmu…

宝藏级丨图解项目管理全流程(上篇)

《项目管理知识体系指南》的定义:项目是为创造独特的产品、服务或成果而进行的临时性工作。项目管理就是将各种知识、技能、工具与技术应用于项目活动,以满足项目的要求。项目管理的全流程包括以下几个阶段: 项目启动阶段。这是开始一个新项…

GAN实例基于神经网络

目录 1.前言 2.实验 1.前言 需要了解GAN的原理查看对抗生成网络(GAN),DCGAN原理。 采用手写数字识别数据集 2.实验 import argparse import os import numpy as np import mathimport torchvision.transforms as transforms from torchvi…

RedisTemplate使用最详解(三)--- opsForHash()

1、put(H var1, HK var2, HV var3) 新增hashMap值 var1 为Redis的keyvar2 为key对应的map值的keyvar3 为key对应的map值的值var2相同替换var3 redisTemplate.opsForHash().put("hashValue","map1","value1"); redisTemplate.opsForHash().put(&q…

Java官网下载JDK17版本详细教程(下载、安装、环境变量配置)

第一步,去百度搜索甲骨文官网 第二步 第三步 第四步 第五步 第六步 第七步 第八步 第九步 第十步 然后在系统变量里面找到path-编辑-新建添加这个,点击确定就好了 %JAVA_HOME%\bin 就完成了,接下来测试是否成功。 测试: 第一步&a…

VC++6.0 ListViewReport报表使用例子

操作步骤: 1,拖一个ListContorl控件 2,修改ID名称 3,设置Report样式 3,加入初始化代码 void CDuplicatefilesclearDlg::InitlizationListView() {CListCtrl *lstVew (CListCtrl*)GetDlgItem(IDC_LIST_Main);lstVew-&…

“联宝360“项目深度解析:创新模式与互助机制

大家好,我是吴军,来自一家知名的互联网科技公司,负责产品策略分析。 最近,我观察到社交网络上出现了一个名为“联宝360”的热门项目,它引发了众多团队长的热烈讨论和积极推广。这个项目虽然是在今年年初刚刚启动的&am…

羊大师分析,羊奶健康生活的营养源泉

羊大师分析,羊奶健康生活的营养源泉 羊奶,作为一种古老的饮品,近年来因其独特的营养价值和健康益处而备受关注。今天,羊大师就来探讨一下羊奶与健康之间的紧密联系。 羊奶富含蛋白质、脂肪、维生素和矿物质等多种营养成分。羊奶…

如何做一个厂区的导航地图?工厂导航定位怎么解决方案

厂区定位导航是一种基于位置服务(LBS)的导航系统,通过获取厂区内的位置信息,为用户提供准确的导航服务。该系统能够实时显示用户当前位置,提供目的地导航、路径规划、实时定位、语音提示等功能,帮助用户快速…

Process Monitor下载安装使用教程(图文教程)超详细

「作者简介」:2022年北京冬奥会网络安全中国代表队,CSDN Top100,就职奇安信多年,以实战工作为基础对安全知识体系进行总结与归纳,著作适用于快速入门的 《网络安全自学教程》,内容涵盖系统安全、信息收集等…

maven的安装与配置(超详细)

在Java开发中,配置Maven环境有几个重要的原因: 依赖管理:Maven 是一个强大的依赖管理工具,它能够帮助开发人员轻松地管理项目所需的各种第三方库和组件。通过在项目的 Maven 配置文件(pom.xml)中定义依赖&…

人工智能改善客户体验的10种方式

什么是人工智能客户体验? 人工智能客户体验是指使用人工智能技术(如机器学习、聊天机器人和对话式用户体验)使每个接触点尽可能高效且无障碍的实践。本质上,客服代表得到了一个虚拟助手帮助他们完成重复性任务。这意味着对于有简…

期权(1):基本概念,权利金,定金,买方,卖方,零和游戏,对赌协议

期权是合约,权利金就是定金! 合约到期时 买方可以选择行权,也可以选择不行权。代价就是定金损失。因此亏损封顶,但盈利无限。卖方赚的就是买方的定金,盈利封顶,但亏损无限。 从这里,我们看出…

C语言例题42、打印金字塔

#include <stdio.h>void main() {int i, j;for (i 0; i < 5; i) {for (j 4; j > i; j--) {//输出空格printf(" ");}for (j 0; j < 2 * i 1; j) {//输出星号printf("* ");}printf("\n");} }运行结果&#xff1a; 本章C语言经…

HTML5实现简洁好看的个人主页,个人小站(多种风格附源码)

文章目录 1.烟灰主题个人主页1.1 个人主页界面1.2 个人信息界面1.3 兴趣爱好界面1.4 个人作品界面 2.紫霞主题个人主页2.1 个人主页界面2.2 个人信息界面2.3 兴趣爱好界面2.4 个人作品界面 3.墨夜主题个人主页3.1 个人主页界面3.2 个人信息界面3.3 兴趣爱好界面3.4 个人作品界面…

优雅谈论大模型5: RAG

RAG 众所周知&#xff0c;大模型以及一些预训练的模型在训练完毕之后会在其参数存储了大量的压缩资讯。但是这样的参数是通过固定的语料库训练而成&#xff0c;训练完毕之后这个模型已经固定了。然而外部资讯瞬息万变&#xff0c;加上大模型本质上为一种概率模型&#xff0c;所…