Apollo教程笔记4——Perception

本文介绍了Apollo自动驾驶系统中的感知模块,涉及计算机视觉、相机和LiDAR图像、机器学习、神经网络等。重点讲解了检测、分类、跟踪和语义分割,并提到了不同传感器的数据融合策略,以及Apollo在车辆检测和车道识别上的应用。

1.Introduction to Perception

2.Sebastian’s Take

3.Computer Vision

无人驾驶车有四个感知世界的核心任务

  1. Detection
  2. Classification
  3. Tracking
  4. Segmentation, 语义分割意味着将图像中的每个像素与语义类别进行匹配, such as road, car, or sky.
    感知模块的四个核心任务
    在这里插入图片描述

4.Camera Images

To get more intuition about how to quantify a color, you can try RGB Slider

5.LiDAR Images

激光雷达传感器创建环境的点云表征,提供了难以通过摄像头图像获得的信息。如 距离高度

激光雷达传感器使用光线,尤其是激光来测量与环境中反射该光线的物体之间的距离。激光雷达发生激光脉冲并测量物体,将每个激光脉冲反射回传感器所花费的时间,反射需要的时间越长,物体离传感器越远。

激光雷达正是通过这种方式来构建世界的视觉表征。收集的数据形成一团点或“点云”。这些点云可以告诉我们关于物体的许多信息,例如其 形状表面纹理 。通过对点进行聚类和分析,这些数据提供了足够的对象检测、跟踪或分类信息。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-93Dc2yFH-1572316237479)(evernotecid://BE654D40-9A6A-4F25-9F06-536543A9F2E6/appyinxiangcom/7391509/ENResource/p8424)]

Footnote on Lidar
There are other possibilities to scan the laser beams. Instead of rotating the lasers or having a rotating mirror, we can scan the lidar with a vibrating micromirror. Those lidars are in development but none are commercially available now (as of March 2017).

Instead of mechanically moving the laser beam, a sim

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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