ros个人笔记

最新推荐文章于 2026-06-21 08:43:03 发布
原创 最新推荐文章于 2026-06-21 08:43:03 发布 · 139 阅读 · 0 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
标签
#自动驾驶 #c++ #机器学习
本文介绍了ROS（机器人操作系统）的环境配置步骤，包括编译工具的选择、工作空间的创建及功能包的建立等。此外，还详细列举了常用的ROS命令，如启动核心进程、查看节点列表等，为初学者提供了快速上手的指南。

声明：个人笔记，个人使用~！

ros编译工具=cmake
ros框架
ros框架
ros体系
查看ros环境变量

printenv | grep ROS

master slave 关系
master
设置
创建工作空间

mkdir -p ~/catkin_ws/src
cd ~/catkin_ws/src
catkin_make
source /devel/setup.bash
printenv | grep ROS
vim ~/.bashrc
source ~/catkin_ws/devel/setup.bash
printenv | grep ROS

创建功能包
创建功能包
ros经典小乌龟
sudo apt install ros-melodic-ros-turtor
rosnode list
rostopic list

编程基础
roscpp
rospy
roslaunch

TF坐标
TF坐标
roscore turn on master
roscd cd package path
rospack descripte package message
rostopic ros ropic message
rosnode ros node message
rosrun run some
rosbag replay record in debug

rviz

rqt

ROS初学个人笔记
qq_60714765的博客
08-07 352
在功能包下新建文件夹msgmsg文件夹下新建Xxx.msg文件添加参数（以Person为例）int8 sexuint8 age在package.xml中添加这两行代码是 ROS软件包配置文件中的依赖声明，用于支持自定义消息类型的生成和运行。声明在编译阶段需要依赖包。声明在运行阶段需要依赖包。在CMakelists.txt中找到find_package添加message_generationroscpprospystd_msgsturtlesim。
ROS个人笔记
weixin_62742821的博客
07-22 517
（2）设置环境变量，顺便建立devel文件夹（不过这个文件和bulid文件好像catkin_make会自动生成），source devel/setup.bash（3）catkin_make install生成安装空间（4）在src文件夹中创立功能包：catkin_create_pkg 名字 依赖（如rospy roscpp，std_msgs基本上都要这三个）（5）做出修改后最好重新catkin_make一下。2.ROS有四大工作区间，套用单片机工程来理解：src是存功能包的，即类似存main等函数。
ROS1.0个人笔记【2】包的概念
qq_39724886的博客
02-22 232
ROS学习笔记整合 本文章属于个人学习笔记，希望通过文章记录，规范整理学习内容，方便未来知识整理和分享。如果有错误的地方，还请指出，感谢！ 写在前面： 本章节介绍关于ROS程序包的概念，创建一个catkin程序包的步骤和解释，了解catkin程序包的组成。 程序包的***内部组成*** 后续章节内容预告： ...
ros小车配置个人笔记
2202_75665859的博客
02-28 1045
因为本身这个小车是由商家提供，其内部文件配置均是已经配置好的，我们在使用其镜像源的时候只需要对其网络设置进行配置，其链接使用的是ip地址链接，所以我们必须保证其处于同一局域网之中（连接同一个网络），在配置ubuntu网络时需要保证其网络连接模式为桥接模式。在打开的文件中，找到ROS_MASTER_URI参数，并将其设置为新的IP地址和端口号。具体来说，您需要编辑ROS环境变量中的ROS_MASTER_URI参数。远程登录成功表示其网络链接的位置是正确的，接下来我们需要确定其能正确的使用其内部文件。
Level 4自动驾驶系统设计2——功能与场景2
Godspeed_zwh的博客
06-14 182
摘要：干线物流场景中，重卡因制动距离长需超250m远距感知，但远距目标检测受视觉特征退化与雷达稀疏性限制，需多模态时序校验提升置信度。针对相邻车道强行加塞（Cut-in），系统建立动力学对账方程，实时解算运动参数并验证安全裕度，同时采用传感器动态确权策略应对模型幻觉。极限情况下，系统绕过端到端规划，直接触发紧急制动，通过VMC层优化制动力分配，确保安全平账。
Python全栈项目--基于深度学习的自动驾驶模拟系统
exlink2012的专栏
06-17 634
本文介绍了一个基于深度学习的自动驾驶模拟系统全栈项目，包含以下核心内容： 系统架构：采用前后端分离设计，Python+FastAPI处理后端逻辑和深度学习模拟，Vue3构建前端交互界面。 功能模块： 用户认证（JWT+bcrypt加密） 场景配置（道路类型/天气/交通密度） 自动驾驶模拟（车道线识别/障碍物检测/碰撞风险评估） 数据看板展示 技术特点： 轻量级SQLite数据库存储 完整的认证流程实现 可扩展的深度学习模拟框架 响应式前端界面 学习价值：项目提供了完整的开发流程和可运行源码，适合作为深度学习
Level 4自动驾驶系统设计3——功能与场景3
Godspeed_zwh的博客
06-15 63
摘要： 针对地下停车场高密度桩标、光线突变与低矮障碍物等复杂场景，研究提出多模态感知融合与安全冗余策略。通过4D雷达与视觉体素化校验解决桩标粘连问题；光流-IMU时空补偿应对光照跳变；占用网格动态掩码检测低矮障碍物，并触发权重降级与VMC层越权制动。系统集成置信度过滤、物理对账和硬件熔断机制，确保在传感器失效或模型误判时仍能实现安全闭环控制，显著提升自动驾驶在非结构化地库环境中的鲁棒性。
自动驾驶调研-Day2
CH_Vaniteux的博客
06-16 396
NAVSIM 是基于 OpenScene 的非反应式自动驾驶仿真与规划评测框架；OpenScene 是 nuPlan 的 2 Hz 紧凑重分发版本，保留规划所需的传感器、标注、地图和自车状态。OpenScene 约 120 小时驾驶数据，整体约 2 TB；NAVSIM v1 标准过滤后的 navtrain / navtest 约 103k / 12k samples，官方描述的独立 benchmark 下载约 450 GB；navtrain 传感器帧约 445 GB，若不使用历史传感器帧约 300 GB。
自动驾驶调研-Day3
CH_Vaniteux的博客
06-17 211
显式地分解了该目标，形式化为 $p(o', a \mid o, l) = p(a \mid o', o, l)p(o' \mid o, l)$，即首先合成对预期未来状态的表示，随后从中推导出动作；直接对联合分布（$p(o', a \mid o, l)$）进行建模，其中状态预测和动作生成在一个共享的表示空间内进行协同优化（这些架构的时间演变可参见相应的结构图）。WAM 关注当前观察 o、语言指令 l、未来观察 o' 和动作 a 之间的联合关系：p(o', a \mid o, l)接下来的内容由具体问题引出。
Level 4自动驾驶系统设计7——FuSa与SOTIF 2
最新发布
Godspeed_zwh的博客
06-21 134
本文探讨了智能驾驶系统从传统障碍物避障向车辆-地面物理耦合演进的关键技术挑战。传统数据集将地面视为理想平面，忽视了积水、材质、地形等动态物理特性，导致SOTIF安全边界模糊。2026年行业解决方案包括：1）利用偏振相机和4D雷达提取积水特征；2）通过悬架振动数据反向标注道路材质；3）建立地形曲率实时感知。这些地面状态数据将赋能车辆运动控制系统实现前馈-反馈自适应控制，如预调节制动阈值、扭矩分配和悬架参数。新型合规范式聚焦物理参数估计误差，当附着系数偏差超过15%时强制触发降级保护。该技术体系突破了传统感知局
自动驾驶的“判断”难题：钱学森工程控制论给出的答案
2501_94050849的博客
06-20 187
2026年自动驾驶技术面临核心矛盾：硬件性能突飞猛进，但系统仍无法独立应对"三秒钟困境"等边缘场景。钱学森《工程控制论》预见的"不确定性"问题凸显——现有技术路线（规则覆盖与端到端学习）均无法解决黑箱效应和稀疏度灾难。新型WOLM模型通过三层次突破实现系统级判断力：①将传感器数据升维为语义化事件序列；②用18条因果逻辑链替代概率预测；③通过U值量化不确定性实现主动安全降级。该架构印证了钱学森"用不可靠元件构建可靠系统"的工程思想，为自动驾驶提供了管理（而非消除）不确定性的系统性解决方案。
自动驾驶卡车龙头二冲港股IPO！
高工智能汽车
06-17 197
同时，主线科技在招股书中表示，该等授权具有地域性限制，不构成全国范围内商业化部署批准。不过主要指出的是，现阶段开放场景例如长途物流领域的L4自动驾驶商业化落地，除了技术与安全性、成本等因素，还面临政策许可、跨区域审批等诸多障碍。2023-2025年期间，主线科技的研发开支分别是1.19亿、1.15亿和1.2亿，分别占同期收益约。三大场景实现商业化部署，分别对应封闭道路场景、、开放道路场景（城市内）和长途干线物流场景。“输血”通道，延长赛跑时间，直到跨越规模化商业化的盈亏平衡点，才是真正的胜利。
【3D·感知】从PointNet到PointPillars：如何让自动驾驶汽车“实时“看见3D世界？
xiaobaiwsc的博客
06-16 415
本文介绍了从PointNet到PointPillars的3D目标检测技术演进，重点解析了PointPillars这一实时3D检测网络的核心思想。文章首先指出PointNet在自动驾驶应用中的局限性（缺乏局部特征、无法定位、速度慢），然后提出3D目标检测需要同时识别物体类别并定位其3D边界框。PointPillars的创新在于将点云划分为垂直柱子，转换为2D伪图像后利用优化过的2D卷积网络处理，从而避免了计算量大的3D卷积操作，实现了62FPS的实时检测速度。文章详细阐述了PointPillars的三步流程：
Level 4自动驾驶系统设计4——功能与场景4
Godspeed_zwh的博客
06-16 188
摘要：L4级商用车主挂一体化系统面临多自由度运动学退化、非线性动力学特性及大范围参数漂移等挑战，导致大模型控制在动态场景中鲁棒性下降。针对偏航、蛇形摆动和折头三大高危场景，系统通过物理熔断机制实时监控铰接角状态，并在风险触发时移交控制权至VMC层，采用差动制动、ABS干预等策略进行分布式安全控制，确保车辆稳定性。其中，高速蛇形摆动通过挂车后轴非对称制动收敛能量，折头风险则通过牵引车制动力释放与挂车全量制动组合干预，防止动力学失稳。
自动驾驶：一个自主运动的系统
2501_94050849的博客
06-16 214
本文从系统动力学视角重新定义自动驾驶，提出自动驾驶汽车本质上是由无数事件构成的自主运动系统。其核心观点包括：1）自动驾驶的运动方向是从不确定到确定；2）运动过程呈现扩张、收敛过渡、防御和试探性行动四个循环阶段；3）车辆自主设定目标并规划运动节奏（启动/加速/稳定/减速/绕行）。与传统技术视角不同，该理论强调自动驾驶的内在动力学属性，认为其可靠性取决于系统自主应对不确定性的能力而非规则覆盖度。这一框架改变了衡量自动驾驶智能的标准，从"能做什么"转向"如何运动"，为自动驾驶系统设计提供了新思路。
端到端自动驾驶：UniAD、VAD 的具身视角解读
从事移动开发八年，csdn博客专家，阿里云特邀专家，华为云云享专家，高级网络信息安全工程师，大数据工程师（高级），python技术开发（高级），HarmonyOS 应用开发者高级认证，现在某学校任教。
06-15 145
1. 端到端 = 具身化：端到端架构消除了模块化系统中的"离身"问题，使感知、预测、规划在统一的表征空间中耦合，实现了真正的"感知-行动闭环"。2. Query = 注意力耦合：UniAD 的 Query 接口本质上是多任务间的注意力机制，使信息在不同抽象层级间自由流动。这与具身智能中的"多模态融合"理念一致。3. 规划导向 = 任务导向感知：上游模块自动学习对下游任务有用的特征，这是具身智能中"行动塑造感知"（Action Shapes Perception）的体现。4. 矢量化 = 稀疏交互。
端到端自动驾驶 BEV stack
m0_60827485的博客
06-16 463
本文摘要（145字）： 自动驾驶技术正从传统感知→规划流水线演进为端到端BEV架构，核心思想是将多传感器输入统一转换为BEV世界表征，直接输出轨迹/动作序列。系统包含BEV编码器、时序BEV记忆、决策网络等模块，通过世界建模和策略网络替代传统模块化流程。主流实现分Tesla纯视觉、Waymo混合和NVIDIA方案三类，采用模仿学习、多任务学习和强化学习进行训练。该架构面临延迟、稳定性和安全保障等工程挑战，需配合数据闭环持续优化，代表了自动驾驶向更紧密耦合的系统演进趋势。
自动驾驶调研-Day1
CH_Vaniteux的博客
06-15 364
在自动驾驶中，车载摄像头、激光雷达（LiDAR）等传感器是从车辆四周的“透视视角”（Perspective View）来捕捉世界的（即前视、后视、侧视等，图像中会有近大远小的透视变形）。通过利用在互联网级数据上预训练的大规模视觉-语言模型（VLM），VLA 模型拥有显著更大的模型体量，并在规模扩展（scaling）方面具备更强大的内在潜力。3、另外希望互联网海量数据能给更大的模型一个好的初始化来迁移到驾驶上，弥补驾驶数据的数量稀缺导致的过拟合/reward hacking 等问题。然而 VLA 会面临。
Level 4自动驾驶系统设计6——FuSa与SOTIF 1
Godspeed_zwh的博客
06-21 23
自动驾驶行业正从单例排查转向数据驱动的SOTIF场景标准化，通过公开/私有场景库和大模型技术将未知不安全场景转化为已知可控场景。全球主流场景库如COCOA、DADA-Plus等聚焦边缘案例，国内则由中汽中心等机构建立了符合ISO21448的场景库。当前阶段，行业利用生成式AI和影子模式自动化生成和聚类场景数据，逐步替代传统人工规则修补。公开场景库作为基准测试工具，结合车队实时数据采集，形成安全闭环，最终通过车辆运动控制层实现风险兜底。
分享如何实现Qt 高级开发 015：C++ 原生实现信号槽机制
2401_85049165的博客
06-16 210
本文介绍了如何在C++中不依赖Qt框架原生实现信号槽机制。通过使用std::function和模板类，作者构建了Signal类来处理信号连接、发射和断开操作，并支持普通函数和成员函数作为槽。文章还讨论了线程安全和性能优化方案，包括使用互斥锁保护共享资源。这种实现方式保持了信号槽松耦合的特性，同时避免了Qt依赖，为C++开发者提供了一种轻量级的事件驱动编程方案。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值