无人驾驶汽车系统入门（十五）——ROS入门与实践(2)上一节我们讲了ros的核心概念以及命令行的基本操作，在本节我们一起了解一下ros的基本编程，我们讲通过Husky模拟器完成一个简易的ROS包，通过实例了解ROS下的CMake文件的语法，然后使用Rviz可视化激光扫描的结果创作不易，转载请注明出处：https://blog.csdn.net/AdamShan/article/...

无人驾驶汽车系统入门（十七）——无人驾驶系统基本框架前面的文章基本上是想写什么写什么，缺乏条理，本节我们完整的梳理一遍无人驾驶系统的基本框架，帮助读者建立对整个系统的完整认识无人驾驶系统的核心可以概述为三个部分：感知（Perception），规划（Planning）和控制（Control），这些部分的交互以及其与车辆硬件，其他车辆的交互可以用下图表示：由上图可知，无人驾驶...

无人驾驶汽车系统入门（二十）——基于自由边界三次样条插值的无人车路径生成前面我们提到，轨迹即包含时间这一维度的路径，而无人车的动作规划问题实际上就是要根据初始配置和目标配置生成一序列的动作，一种简单的思路即生成从当前位置x到目标位置y的轨迹，然后通过pure pursuit方法来完成循迹，其中，轨迹生成是非常重要的一步，在本节我们介绍一种基于三次样条插值的路径生成方法，后面我们将结合Mo...

无人驾驶汽车系统入门（二十七）——基于地面平面拟合的激光雷达地面分割方法和ROS实现在博客的第二十四篇中，我们介绍了一种基于射线的地面过滤方法，此方法能够很好的完成地面分割，但是存在几点不足：第一，存在少量噪点，不能彻底过滤出地面;第二，非地面的点容易被错误分类，造成非地面点缺失;第三，对于目标接近激光雷达盲区的情况，会出现误分割，即将非地面点云分割为地面。通过本文我们一起学习一种新的地面分割..

无人驾驶汽车系统入门（二十八）——基于VoxelNet的激光雷达点云车辆检测及ROS实现前文我们提到使用SqueezeSeg进行了三维点云的分割，由于采用的是SqueezeNet作为特征提取网络，该方法的处理速度相当迅速（在单GPU加速的情况下可达到100FPS以上的效率），然而，该方法存在如下的问题：第一，虽然采用了CRF改进边界模糊的问题，但是从实践结果来看，其分割的精度仍然偏低；第二，该..

前面几篇博客介绍了卡尔曼滤波的一些基本算法，其实目标追踪，定位，传感器融合还有很多问题要处理，这些我们在以后的系列博客中在进一步细讲，现在我想给大家介绍一下无人驾驶汽车系统开发中需要的控制相关的理论和技术，还是和第一篇说的那样，我想到哪就写到哪，追踪和定位等更高级的算法我在后面会继续写。所以感兴趣的同学可以关注我的博客，无人驾驶汽车系统入门系列博客会一直更新下去。这一篇主要讲控制的入门，为什么需要

无人驾驶汽车系统入门（二十六）——基于深度学习的实时激光雷达点云目标检测及ROS实现在前两篇文章中，我们使用PCL实现了在点云中对地面的过滤和点云的分割聚类，通常来说，在这两步以后我们将对分割出来的对象进行特征提取，紧接着我们训练一个分类器实现对这些对象的分类，这是一种基于激光雷达的目标检测方法。近年来，随着深度学习在图像视觉领域的发展，一类基于单纯的深度学习模型的点云目标检测方法被提出和应用..

无人驾驶汽车系统入门（二十五）——基于欧几里德聚类的激光雷达点云分割及ROS实现上一篇文章中我们介绍了一种基于射线坡度阈值的地面分割方法，并且我们使用pcl_ros实现了一个简单的节点，在完成了点云的地面分割以后，为了使用激光雷达完成环境感知，我们通常会对非地面点云进行进一步的分割，换句话说，我们希望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，并且使用3维的Boun..

分层有限状态机和无人车行为规划行为规划又称为行为决策，是无人车规划模块三层（任务，行为，动作）的中间层，本文将介绍行为规划的基本概念，设计核心，同时介绍一种具体的无人车行为规划方法——分层有限状态机，行为规划（Behavior Planning）是无人车规划模块的一层，位于全局任务规划和底层的动作规划层之间，驾驶行为规划也被称为驾驶行为决策，这一层的作用主要是依据来自上层（任务规划...

动作规划动作在无人车规划模块的最底层，它负责根据当前配置和目标配置生成一序列的动作，我们前面讨论的三次样条插值实际上只是一个简单的路径，而非我们最终能够执行的轨迹，本文介绍一种基于Frenet坐标系的优化轨迹动作规划方法，该方法在高速情况下的ACC辅助驾驶和无人驾驶都具有很强的实用性，是目前普遍采用的一种动作规划算法。基于Frenet坐标系的动作规划方法由于是由BMW的Moritz W...