自动驾驶学习笔记(七)——感知融合

#Apollo开发者#

学习课程的传送门如下,当您也准备学习自动驾驶时,可以和我一同前往:

《自动驾驶新人之旅》免费课程---> 传送门

《Apollo Beta宣讲和线下沙龙》免费报名--->传送门

文章目录

前言

感知融合

卡尔曼滤波

融合策略

实例

Tips

总结


前言

见《自动驾驶学习笔记(一)------Apollo平台

见《自动驾驶学习笔记(二)------Apollo入门

见《自动驾驶学习笔记(三)------场景设计

见《自动驾驶学习笔记(四)------变道绕行仿真

见《自动驾驶学习笔记(五)------绕行距离调试

见《自动驾驶学习笔记(六)------Apollo安装

感知融合

感知融合利用各个传感器相辅相成,可以提高感知性能,减少跟踪误差,对预测结果更加确信。

卡尔曼滤波

感知融合的一个基本算法是卡尔曼滤波,即模型预测和测量更新的无限循环,如下图所示:

融合策略

1、同步融合:同时更新来自不同传感器的测量结果。

2、异步融合:逐个更新传感器的测量结果。

实例

Lidar和Radar两种传感器检测到的目标位置数据,如下图所示:

Tips

Apollo的车道和目标感知框架:

总结

以上就是本人在学习自动驾驶时,对所学课程的一些梳理和总结。后续还会分享另更多自动驾驶相关知识,欢迎评论区留言、点赞、收藏和关注,这些鼓励和支持都将成文本人持续分享的动力。

另外,如果有同在小伙伴,也正在学习或打算学习自动驾驶时,可以和我一同抱团学习,交流技术。


版权声明,原创文章,转载和引用请注明出处和链接,侵权必究!

文中部分图片来源自网络,若有侵权,联系立删。

相关推荐
地平线开发者8 小时前
CPU& 内存加压工具 stress-ng 介绍
算法·自动驾驶
清流君18 小时前
【运动规划】移动机器人运动规划与轨迹优化全解析 | 经典算法总结
人工智能·笔记·算法·机器人·自动驾驶·运动规划
audyxiao0011 天前
突破自动驾驶瓶颈!KoMA:多智能体与大模型的完美融合
人工智能·机器学习·大模型·自动驾驶·多智能体
学步_技术3 天前
自动驾驶系列—面向自动驾驶的模型迭代:工具、平台与最佳实践
人工智能·机器学习·自动驾驶·模型迭代
学步_技术3 天前
自动驾驶系列—自动驾驶数据脱敏:保护隐私与数据安全的关键技术
人工智能·机器学习·自动驾驶·数据安全·数据脱敏
学步_技术3 天前
自动驾驶系列—深入解析自动驾驶车联网技术及其应用场景
人工智能·机器学习·自动驾驶·车联网
标贝科技4 天前
标贝科技:AI基础数据服务,人工智能行业发展的底层支撑
人工智能·机器学习·语言模型·数据挖掘·自动驾驶·database·big data
Mr.Winter`4 天前
轨迹优化 | 基于Savitzky-Golay滤波的无约束路径平滑(附ROS C++/Python仿真)
人工智能·算法·机器人·自动驾驶·ros·ros2·数值优化
chenxiemin5 天前
卡尔曼滤波:从理论到应用的简介
python·算法·filter·卡尔曼滤波·kalman
智能汽车人5 天前
自动驾驶---行泊一体(车位到车位功能)量产
人工智能·机器学习·华为·自动驾驶