​ 自动驾驶系列博客第三篇姗姗来迟…由于篇幅过长,继续拆成两篇,逐一细致讲解。

​ 近期在调试广州导远电子的组合导航设备,中间遇到了一些坑,最终算是顺利完成。基于目前主流的无人驾驶方案离不开GNSS/IMU,加之大多数厂家直接使用组合导航设备。此部分网上教程比较零散,将这一部分的工作整理出来作为自动驾驶系列博客的第三篇,我认为很有意义。

image-20200109182825682

​ 本篇主要说明组合导航的安装配置流程等模块,不同类型的驱动协议解析则留到下一节。本人实属新手,若文中出现错误,纯属个人理解不到位,请多指点交流。

阅读全文 »

关于自动驾驶领域内容繁杂,在实战方面的教程,目前网上看到大致了两类:

  1. 一种是综述性质的,讲概念为主,相当于科普文章,看着挺爽,过段时间就啥也不会了,有些号称实战的博客,其实也就是自己找的一个官网的小案例,比如案例是两帧激光点云的配准代码实现,这种案例以阐述知识点本身为主,而且都是零零散散的,无法直接在车上实战使用。
  2. 第二种是一些大型的自动驾驶开源项目,比如Apollo和Autoware,给了所有的代码,但代码模块之间相互依赖,耦合性高,不太容易抽取出需要的作为单独的模块来使用。而且环境配置坑太多,代码工程太大也不知从何看起,学习的时候会走很多弯路。
阅读全文 »

​ 系列第一篇博客有朋友反映篇幅过长,我也感觉过长不利于阅读。

​ 本章将完成一个点云地图处理的工作,即对点云地图进行网格划分,这样做的好处是可以根据GPS位置动态加载相应的网格地图,大量减少内存占用。本篇主要介绍点云地图的网格划分方法以及可视化。

​ 需要注意的是,点云地图PCD文件里面存储的都是三维的坐标点(x,y,z),这些点的值是相对于建图时起始位置(0,0,0)的距离.如果记录了建图时起始点的GPS坐标,那么点云地图里面每一个点对应的经纬高坐标,均可以转换的来.

LLA转换BLH方法见我之后的博客
自动驾驶实战系列(四)——INS数据可视化及坐标系对齐

阅读全文 »

9.20—9.22的Hackthon比赛照片,愉快的经历,哈哈!

​ 日立中国研究院举办的视频分析技术黑客马拉松比赛,比赛分为视频行为分析、单目深度估计两大项目,52小时给出技术方案,并在主办方给定的数据集上验证效果,提供的GPU资源为一块2080Ti。

​ 我们deecamp 35组的小伙伴儿又相聚了,大湿兄全程带飞(上图C位发型最帅的男人),我们组最终拿下本次单目深度估计比赛冠军,感谢主办方丰厚的奖金!

阅读全文 »

现在开始整理下阅读过的一些paper,看过的都忘记了。


第一篇review的paper是《LOAM:Lidar Odometry and Mapping in Realtime》,这是CMU Ji zhang博士在2014年发表于RSS(Robotics: Science and Systems ),是近年来激光SLAM领域的一篇代表性的文章,目前依然在kitti odometry排行榜上领先(2015-2019)。下载地址:

LOAM:Lidar Odometry and Mapping in Realtime

阅读全文 »

目前HD Map的技术和具体规范仍在发展中,各家不尽相同,概括地讲,HD-map会包含以下几种图层。

阅读全文 »