登录社区云，与社区用户共同成长
邀请您加入社区
照猫画虎（2）—基于KITTI数据集的无人驾驶感知与传感器融合实现—Camera标定
apollo介绍apollo介绍之map模块apollo介绍之localization模块apollo介绍之planning模块apollo介绍之Routing模块apollo介绍之Transform模块apollo介绍之Canbus模块apollo介绍之Control模块Cyber框架apollo介绍之Cyber框架一apollo介绍之Cyber框架二apollo介绍之cyber设计apollo
1.下载虚拟引擎（Unreal Engine）1.1下载epic game Launcher方法一：官网下载EPIC GAMES方法二：网盘下载链接：https://pan.baidu.com/s/1jLee3ugPK7C6blWC_NjnCQ提取码：009m1.2安装对应版本的虚拟引擎2.下载对应的carla版本方法一：carla官网方法二：百度网盘从这篇文章中获得网盘链接carla自动驾驶仿真
AutoSec汽车安全直播课年底收官：如何建立CSMS，应对汽车网络安全挑战？在万物互联的浪潮中，顺应科技革命和产业变革趋势，汽车行业“新四化”（电动化、网联化、智能化、共享化）发展已然成为行业共识，随着汽车“四化”进程的深入，汽车高级功能的完善，人们对汽车有更加全面化、高端化的需求。汽车将从代步工具的内涵，外延成为下一个重要的智能设备，如同电脑和手机一样，事实上已经开始面临各类开发漏洞和网络攻击
忙忙碌碌两个星期，这次的智能车校内赛终于是落下了帷幕。不管结果如何，准备的过程才是真正的收获，尤其是对于一个第一次使用单片机（开发板）的小白来说，实实在在学到了很多东西。下面将对这次的比赛过程做一个小小的总结。1、比赛要求比赛要求参赛队每组设计一个自动或半自动的机器人，比赛过程中，从启动区出发进入迷宫，击倒靶标，再从出口驶出。决赛中机器人需要先获取裁判出示的随机打靶顺序，按顺序击倒靶标。2、硬件准
ndt_solver 和ndt_voxel_grid_covariance文章目录ndt_solver 和ndt_voxel_grid_covariance前言一、SetInputTarget（）二、SetInputSource（）三 、filter（）2.1.SetMap()总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了
@TOC## openvino实现ssd+deepsort完成多目标追踪一、openvino的安装1、安装依赖：CMake3.0以上安装包、python3.5以上安装包。2、下载openvino安装包：openvino下载地址方式一：GUI方式安装tar -zxvf l_openvino_toolkit_p_2019.2.275.tgzcd l_openvino_toolkit_p_2019.2.
KITTI 3D雷达数据可视化
精量系列拉绳位移传感器为何要选择24V电源供电精量系列拉绳位移传感器为何要选用24V DC电源供电。因为选择交流电源，本身就是很大的信号干扰源，与其他大功率元器件共用会受到更大影响，形成更高次谐波。下面就让小编来概述一下为何要使用24V电源供电。1、如果选用直流电源供电，位移传感器现场安装使用也有可能出现干扰问题。受成本、设计与安装空间所限，自动化测控系统多采用集中供电，很难采用文雅电源独立为位移
1、引言近年来，汽车电气系统变得越来越复杂，主要是由信息娱乐，高级驾驶员辅助系统（ADAS），动力总成和车身电子系统的发展所驱动。由于当今车辆中各种电子控制单元（ECU）之间共享大量的实时数据和固件/软件，因此这些系统需要更快的通信网络。尽管以太网是商业和工业应用中长期流行的通信协议，但直到100BASE-T1的出现，它才被广泛应用于汽车工业。有些车辆使用100BASE-TX应用于车载诊断（OBD
来没事，把以前做的摄像头小车发出来。还有我养的狗哈哈。先说说线路esp32cam模块一个h桥直流电机驱动一个履带底盘一个io用的12，13，14，15电源就不说了然后h桥驱动器用的最便宜的2块多。还有小车这个就贵点了io12，13一组电机14，15一组，就这么简单然后代码以前用的官方的程序改的有点麻烦，后来用的arduino这个简单在原有代码上添加脉冲代码主要改变占空比来改变速度ledcSetup
在指令后添加编译资源约束：bash apollo.sh build--local_resources 2048,1.0,1.0
1、问题按照官网一步一步来看似很顺利，但当走到最后一步时：$ sudo rosdep init$ rosdep update在进行sudo rosdep init 时出现了意想不到的问题：ERROR: cannot download default sources list from:https://raw.githubusercontent.com/ros/rosdistro/master/ro
传感器融合（1）——激光雷达障碍检测https://github.com/you9702/Lidar_Obstacle_Detection_Udacity后续补上代码解析
从零手写VIO的第五次作业总结文章目录基础作业MakeHessian()信息矩阵理论基础代码作业题目：基础作业MakeHessian()信息矩阵理论基础代码void Problem::MakeHessian() {TicToc t_h;// 直接构造大的 H 矩阵ulong size = ordering_generic_;MatXX H(MatXX::Zero(size, size));VecX
apollo定位对比仿真工具msf_visualizer的使用1.使用流程1. 事先准备2. 配置定位模块2.1 配置传感器外参2.2 配置地图路径2.3 修改Topic名称3. 运行定位模块4. 播放演示record5. 可视化定位结果1.使用流程1. 事先准备代码及demo数据包，该定位显示的原理就是接收最终定位的topic，并把它显示出来，因为需要在地图上显示，所以还需要加载地图。2. 配置
问题在安装ros的时候需要使用sudo rosdep init和rosdep update初始化rosdep，但是此时会出现如下错误：ERROR: cannot download default sources list from:https://raw.githubusercontent.com/ros/rosdistro/master/rosdep/sources.list.d/20-defa
我已经实现了相关功能。可以给你贴几个代码段。其实你可以参考OneNET的API自己写函数。。注意一下，小程序必须要求服务器支持HTTPS。且必须在后台配置一下request域名为https://api.heclouds.com精确查询设备：onLoad:function(options) {var_this =this;//console.log(options.device_id);// 打印设
SHT30使用记录（基于AVR）文章目录SHT30使用记录（基于AVR）硬件篇软件篇硬件篇硬件按照数据手册连接到单片机的IIC接口或者任意两个IO口即可，加2个4.7K左右上拉电阻，本例中如下:#defineSDA_OUTDDRF|=0x01#defineSDA_INDDRF&=~0x01#define SDA_LPORTF&=~0x01#defin...
一. 下载Apollo源码打开终端，从GitHub上下载Apollo源码(推荐下载到根目录下)git clone https://github.com/ApolloAuto/apollo.git二. 安装docker官网推荐先建立Docker仓库，并从中安装Docker。更新apt包索引sudo apt-get update安装软件包以允许apt通过HTTPS使用存储...
self_driving利用树莓派实现无人驾驶github传送门：https://github.com/zevinli/selfdriving如果觉得不错的话请多多star！！！！！文件说明collect_data.py 收集数据用的程序文件，在树莓派上运行，用于收集赛道等数据。drive.py 无人小车的驱动程序文件，在树莓派上运行，用于无人小车的遥控驾驶。drivetest.py...
基础知识工作簿 workbook表单 worksheet行 row列 column单元格 cell这里有个知识—— active每个工作簿都有很多的工作表，默认是三个，我们把正在操作的那个称为活跃表单，也就是active这个是本文用到的表格文档，放在附件里，可自己下载ws = wb.active# 将活跃的表单赋值然后进行操作，那么我们当前那张表单在界面前，就是操作的哪一个...
总用three.js做一些零散好玩的效果，却也没怎么把他们整合到一起，最近因一位网友需要，把室内地图导航走通了一下。这里主要在前端使用了有名的Dijkstra算法，关于此算法这里不再赘述，这里描述一下从路径数据准备到最佳路径输出的整个过程。在线体验地址1.节点数据准备节点是路径生成的基础，我们需要在建筑的基础上，拾取出场景中所有路径节点的坐标，作为基础数据并保存。节点数据示...
目录1.激光雷达2.相机3.Radar毫米波4.安装传感器原创：阿波君Apollo开发者社区4天前上周阿波君为大家详细介绍了「进阶课程⑯ Apollo感知之旅——感知概况」。传感器是一种检测装置，能感受到被测量的信息，并能将感受到的信息，按一定规律变换成为电信号或其他所需形式的信息输出，以满足信息的传输、处理、存储、显示、记录和控制等要求，它是实现自动检测和...
TPMS传感器 infineon篇硬件原理图软件说明：协议调制方式:FSK频率: 433.920 MHz频偏: 20.0 kHz编码: Manchester曼彻斯特类型: 10=One, 01=Zero传输速率: 9.6 kbps负载字节位起始: msb前导码长度: 12（可根据需求调整长度，减少功耗）前导码数据:0x00同步码长度:1-byte同步码: 0x01数...
一、双目摄像头测距原理：单目相机标定的目标是获取相机的内参和外参，内参（1/dx,1/dy,Cx,Cy,f）表征了相机的内部结构参数，外参是相机的旋转矩阵R和平移向量t。内参中dx和dy是相机单个感光单元芯片的长度和宽度，是一个物理尺寸，有时候会有dx=dy，这时候感光单元是一个正方形。Cx和Cy分别代表相机感光芯片的中心点在x和y方向上可能存在的偏移，因为芯片在安装到相机模组上的时候，由于制..
一、概述二、视频采集到发包创建RTP发送视频流创建编码器VideoStreamEncoder::EncodeTask::RunVideoStreamEncoder::EncodeVideoFrameVideoStreamEncoder::ReconfigureEncoderVideoSender::RegisterSendCodecVCMCode...
【代码】机器人操作系统ROS。
本推文介绍ThinkDeeper：一个面向自动驾驶视觉定位的世界模型框架。该方法以深度线索增强空间感知，通过SA-WM预演未来潜状态，再借助跨模态超图完成目标定位；论文同时提出DrivePilot数据集，并在多个真实道路和通用视觉定位基准上报告了领先表现。
本报告基于NHTSA（美国国家公路交通安全管理局）SGO-2021-01自动驾驶系统事故报告数据，对1078起有效事故进行了全面分析。报告涵盖数据来源、多维度统计、事故场景分类与责任判定，并从研发、运营、政府管理和乘客角度提出改进建议。
本文详细介绍了单目3D目标检测技术在自动驾驶和机器人领域的工程化落地实践，从SMOKE到MonoCon的模型选择、部署优化到实际应用案例。通过对比不同直接回归方法的性能特点，提供完整的训练和部署指南，帮助开发者低成本实现高精度3D目标检测。
World：真实地球 / 大楼固定原点，终极物理基准；Map：SLAM 地图原点，导航定位不漂移；Odom：里程计累加原点，局部连续、长期会漂移；关系：World 锚定 Map，Map 矫正 Odom，Odom 驱动机器人本体平滑运动。
本文详细介绍了如何使用PointPillars架构在KITTI数据集上构建高效的3D目标检测模型。通过PyTorch实现，展示了从环境配置、数据预处理到模型训练和优化的完整流程。PointPillars独特的柱状特征编码机制显著提升了推理速度，同时保持高精度，是自动驾驶感知任务的理想选择。
本文详细介绍了KITTI 3D目标检测数据集的实战应用，从数据加载、解析到可视化全流程。通过优化点云数据读取、标注文件解析和坐标系转换等关键步骤，提升处理效率。文章还分享了高级技巧如点云地面分割和数据增强方案，帮助开发者快速掌握自动驾驶场景下的3D目标检测技术。
本文为自动驾驶开发者提供KITTI数据集的实战指南，涵盖数据预处理、3D目标检测模型构建及性能优化。KITTI数据集作为计算机视觉和自动驾驶领域的黄金标准，包含多模态数据和精细标注，是算法研发的重要资源。文章还提供了3D目标检测代码示例和性能评估方法，助力开发者高效利用这一经典数据集。
本文以ARM为例，介绍了驱动开发中与SoC硬件交互的关键技术。重点分析了SCP（系统控制处理器）在电源管理中的核心作用，包括其分层管理机制、与AP（应用处理器）的协同工作方式，以及PCSA（电源控制系统架构）规范。文章详细阐述了PPU（电源策略单元）的功能设计、电源状态转换流程，以及SCP的系统启动过程。同时介绍了PSCI（电源状态协调接口）和SCMI（系统控制与管理接口）两种重要协议。通过硬件寄
本文详细解析了KITTI数据集在3D目标检测中的应用全流程，包括数据下载、预处理、模型训练与优化技巧。作为自动驾驶领域最具影响力的数据集之一，KITTI提供了多传感器同步采集的丰富标注信息，适用于多种计算机视觉任务。文章还分享了实际项目中的避坑技巧和性能优化方法，帮助开发者高效利用这一数据集。
本文深入解读AAAI 2025目标检测新范式，重点探讨CP-DETR如何通过概念提示技术革新开放集检测，以及跨模态融合在自动驾驶感知中的应用。文章涵盖雷达点云处理、雷达与相机融合、Transformer序列解码等前沿技术，展示目标检测从通用化到多模态融合的最新进展。
本文深入探讨了深度学习驱动的毫米波雷达感知算法新范式，重点解析了如何将底层数据与点云进行深度融合。文章详细介绍了从早期融合到双向交互式融合的网络架构演进，并通过实战案例展示了稠密RAD特征引导稀疏点云重建的技术路径。同时，探讨了引入时序信息处理与模型落地面临的标注、部署及泛化等核心挑战与实用技巧，为构建高鲁棒性的自动驾驶感知系统提供了关键见解。
本文深入探讨了点云与图像融合技术在自动驾驶3D目标检测中的关键作用。文章分析了从数据级、特征级到决策级的经典融合方法，阐述了融合技术如何有效应对遮挡、恶劣天气等现实挑战，并展望了其未来向更可靠、更智能的多模态感知系统演进的方向。
本文提供了一份详细的BEVFormer多摄像头3D目标检测实战部署指南。文章从环境配置、代码获取、数据准备、模型推理到进阶调试，拆解了五个核心步骤，并重点分享了应对显存不足等常见工程难题的实用避坑方案，帮助开发者在自动驾驶感知领域快速实现从理论到实践的跨越。
本文详细介绍了如何从零实现YOLOv5在BDD100K数据集上的自动驾驶目标检测模型。通过数据预处理、环境配置、模型调参等实战技巧，帮助开发者快速掌握自动驾驶目标检测技术，提升模型性能与推理速度。特别针对BDD100K数据集的交通灯颜色标注等特性进行了优化处理，适用于各类自动驾驶场景。
本文详细解析了KITTI数据集在3D目标检测中的全流程应用，从数据下载、格式解析到点云可视化。作为自动驾驶领域的重要数据集，KITTI提供了丰富的激光雷达点云和图像数据，是开发3D目标检测算法的理想选择。文章包含实用的代码示例和可视化技巧，帮助读者快速掌握数据处理与分析方法。
本文详细介绍了如何使用LSS算法实现3D目标检测，从环境配置到核心代码解析，涵盖视锥点云构建、特征提取与深度估计、BEV空间特征转换等关键步骤。通过实战案例和优化技巧，帮助开发者快速掌握BEV感知技术，提升自动驾驶环境理解能力。
本文深入解析了DETR3D模型，这是一种基于多视角图像的3D目标检测创新方法。它通过独特的稀疏查询机制，直接在3D空间提出假设，并利用几何反投影到2D图像中寻找证据，从而绕开了对不稳定深度估计的依赖。该架构实现了优雅的多视角特征融合与端到端训练，无需NMS后处理，在自动驾驶等场景中展现出更强的鲁棒性和效率。
本文深入解析PV-RCNN在3D目标检测中的创新应用，通过巧妙融合point-based和voxel-based方法，构建双向特征交互框架。该技术利用关键点采样和多尺度特征聚合机制，有效解决了精度与效率的权衡问题，为自动驾驶和机器人感知领域提供了新的解决方案。
本文详细介绍了SMOKE单目3D目标检测算法的实战应用，从KITTI数据集处理到自定义数据训练全流程。通过关键点估计技术，SMOKE在单目3D检测中实现了高精度与效率的平衡，适用于自动驾驶和机器人感知领域。文章包含环境配置、模型架构解析、训练技巧及TensorRT加速等实用内容。
本文深入解析了OpenPCDet这一基于PyTorch的开源3D目标检测工具箱。重点阐述了其模块化设计、数据-模型分离的核心理念，并通过在KITTI和Waymo数据集上的实战演示，展示了其统一坐标定义和灵活配置如何实现高效的多数据集适配与自定义数据接入，为自动驾驶等领域的3D感知任务提供了强大支持。
Mask-SLRCNN，一种特征增强的3D点云目标检测网络，解决了传统方法特征提取不完整和ROI区域语义特征不足的问题。该方法包含三个创新：1）改进的最远点采样（M-FPS）增强点级特征；2）球面邻域全局特征层（SL）补充全局特征；3）基于顶点注意力的网格池化层挖掘ROI边界特征。在KITTI数据集上，相比PointRCNN，该方法在行人检测上取得显著提升（简单场景mAP提高6.32%），整体检测
自动驾驶
——自动驾驶
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
天工造物局
openEuler 社区
DAMO开发者矩阵
