- 综合排序
- 最热优先
- 最新优先
- 来自专栏刷题笔记
2-8 符号配对 (20 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/101175098 2-8 符号配对 (20 分) 请编写程序检查C语言源程序中下列符号是否配对
1.1K30发布于 2019-11-08 - 来自专栏Hank’s Blog
2-8 R语言基础 日期与时间
> x2 <- Sys.Date() > class(x2) [1] "Date"
54010发布于 2020-09-16 - 来自专栏雪碧君终将成长
C++程序设计 习题2-8
#include <iostream> using namespace std; int main() { char c1,c2,c3,c4,c5; c1='C', c2='h', c3='i', c4='n', c5='a'; c1+=4, c2+=4, c3+=4, c4+=4, c5+=4; cout << c1 << c2 << c3 << c4 << c5 << endl; return 0; } 这里可以考虑将某个特定数字改写为常量、或变量
37050编辑于 2023-02-15 - 来自专栏IT技术圈
练习2-8 计算摄氏温度 (10分)
给定一个华氏温度F，本题要求编写程序，计算对应的摄氏温度C。计算公式：C=5×(F−32)/9。题目保证输入与输出均在整型范围内。
1.3K20发布于 2021-02-24 - 来自专栏新智元
无人驾驶 | MIT无人驾驶运动路线控制
对于无人驾驶汽车来说，除了感知周边的环境、定位这两大方面之外，很重要的一点就是运动的控制。 对于无人驾驶汽车循着特定的轨迹稳定的运动并非易事，下面就根据MIT研究的无人驾驶汽车运动控制的视频来看看这方面的技术。 1. 利用PID控制可以实现对无人驾驶汽车按照线路行驶的控制。 声明：我对PID控制基本上是小白了，大学学的都还给老师了，如果有不对的地方请各位看官指正，谢谢！
1.6K50发布于 2018-03-14 - 来自专栏机器视觉工坊
无人驾驶-感知
无人驾驶-感知包括：摄像头、激光雷达、毫米波雷达、超声波雷达。 ? 1）摄像头： 摄像头：可分为数字摄像头和模拟摄像头两大类。
64330发布于 2020-07-28 - 来自专栏全栈程序员必看
无人驾驶汽车毫米波雷达_无人驾驶雷达
在上一次分享中，我介绍了毫米波雷达的原理、数据特性及优缺点。毫米波雷达的低环境敏感和低成本的特性使得其在ADAS和自动驾驶领域得到了广泛的应用。
91840编辑于 2022-10-01 - 来自专栏ypw
题目 1676: 算法2-8~2-11：链表的基本操作
题意：根据题意，意思就是实现插入，删除，展示，以及得到元素，并判断是否删除加入成功以及表内元素是否为空。
39300发布于 2021-03-04 - 来自专栏s09g的技术博客
无人驾驶 03
卡尔曼滤波 Kalman Filter Kalman Filter 经常运用于无人驾驶系统中感知模块，用于目标状态估计。 the Basis of the Kalman Filter Via a Simple and Intuitive Derivation》） 行为克隆 Behavior Cloning 使用神经网络进行无人驾驶的理论基础来源于
31220编辑于 2022-07-06 - 来自专栏杨熹的专栏
无人驾驶车
能成功穿越一片沙漠的无人驾驶汽车 So we decided at Stanford to build a different self-driving car.
77160发布于 2018-04-02 - 来自专栏人工智能头条
无人驾驶的未来
本章，我们先从无人驾驶的商业前景、无人驾驶面临的发展障碍、无人车行业发展、全球化下的无人驾驶四个方面出发，分析未来无人驾驶的发展和即将面临的问题。 最后，将给出无人驾驶发展的时间线，揭示在即将到来的未来二十年内无人驾驶的走势。 无人驾驶的商业前景 无人驾驶带来的商业潜力有多大？ 本书首先宏观地呈现了无人驾驶的整体技术架构，概述了无人驾驶中涉及的各个技术点。 在读者对无人驾驶技术有了宏观认识后，本书深入浅出地讲解了无人驾驶定位导航、感知、决策与控制等算法，深度学习在无人驾驶中的应用，无人驾驶系统软件和硬件平台，无人驾驶安全及无人驾驶云平台等多个主要技术点。 本书从实用的角度出发，以期帮助对无人驾驶技术（特别是人工智能在无人驾驶中的应用）感兴趣的从业者与相关人士实现对无人驾驶行业的快速入门，以及对无人驾驶技术的深度理解与应用实践。
1K20发布于 2018-07-20 - 来自专栏机器视觉工坊
无人驾驶系统-控制
聚焦无人驾驶行业动态，引领智能汽车科技创新 控制层作为无人车系统的最底层，其任务是将我们规划好的动作实现，所以控制模块的评价指标即为控制的精准度。
75530发布于 2020-07-28 - 来自专栏cwl_Java
C++编程之美-数字之魅(代码清单2-8)
代码清单2-8 Type Find(Type* ID, int N) { Type candidate; int nTimes, i; for(i = nTimes =
21650编辑于 2022-11-30 - 来自专栏机器视觉工坊
无人驾驶系统-感知
聚焦无人驾驶行业动态，引领智能汽车科技创新 环境感知确保了无人车对环境的理解和把握，无人驾驶系统的环境感知部分通常需要获取周围环境的大量信息，具体来说包括：障碍物的位置，速度以及可能的行为，可行驶的区域 无人车通常是通过融合激光雷达（Lidar），相机（Camera），毫米波雷达（Millimeter Wave Radar）等多种传感器的数据来获取这些信息，本节我们主要介绍一下激光雷达和摄像机在无人驾驶感知中的应用 激光雷达因其可靠性目前仍是无人驾驶系统中最重要的传感器，然而，在现实使用中，激光雷达并不是完美的，往往存在点云过于稀疏，甚至丢失部分点的问题，对于不规则的物体表面，使用激光雷达很难辨别其模式，在诸如大雨天气这类情况下 在无人驾驶系统中，我们通常使用摄像机作为图像视觉传感器来完成道路的检测和道路上目标的检测。
85930发布于 2020-07-28 - 来自专栏机器视觉工坊
无人驾驶系统-小结
聚焦无人驾驶行业动态，引领智能汽车科技创新 无人驾驶软件系统通常被划分为三层：感知，规划和控制。 虽然将无人车理解为机器人并且使用机器人开发的思维处理无人车系统是目前工业界的共识，但是也不乏一些单纯使用人工智能或者是智能体来完成无人驾驶的案例。 其中基于深度学习的端到端无人驾驶和基于强化学习的驾驶智能体是目前的研究热点。
58320发布于 2020-07-28 - 来自专栏xingoo, 一个梦想做发明家的程序员
《无人驾驶》—— 读书总结
?
30250发布于 2018-07-05 - 来自专栏博文视点Broadview
你听过无人驾驶，但你了解无人驾驶的算法吗？
小编说：我们已经拉开了全自动无人驾驶的序幕，但你可能不知道，是无人驾驶系统是一个复杂的系统，系统主要由三部分组成：算法端、Client端和云端。 跟随本文一起简单了解下无人驾驶算法吧。 决 策 在决策阶段，行为预测、路径规划及避障机制三者结合起来实时地完成无人驾驶动作规划。 1 . 因此，过渡到无人驾驶系统中，决策模块如何根据周围车辆的行驶状况决策下一秒的行驶行为显得至关重要。 本文选自《第一本无人驾驶技术书》
1.4K20发布于 2020-06-11 - 来自专栏儿童编程
Scratch案例——无人驾驶汽车
（本文为前一篇文章《理解编程语言只需四个词-编程知识体系介绍（带python及scratch案例）》的说明案例之一） 下面我们用Scratch做一个无人驾驶汽车的小程序来具体说明下编程系统。 ?
3.5K21发布于 2018-12-07 - 来自专栏机器视觉工坊
无人驾驶系统基本框架
聚焦无人驾驶行业动态，引领智能汽车科技创新 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 ： 无人驾驶系统核心部分交互图 ? 感知是指无人驾驶系统从环境中收集信息并从中提取相关知识的能力。 规划是无人车为了某一目标而作出一些有目的性的决策的过程，对于无人驾驶车辆而言，这个目标通常是指从出发地到达目的地，同时避免障碍物，并且不断优化驾驶轨迹和行为以保证乘客的安全舒适。
1K20发布于 2020-07-28 - 来自专栏机器视觉工坊
无人驾驶系统-定位
聚焦无人驾驶行业动态，引领智能汽车科技创新 在无人车感知层面，定位的重要性不言而喻，无人车需要知道自己相对于环境的一个确切位置，这里的定位不能存在超过10cm的误差，试想一下，如果我们的无人车定位误差在 30厘米，那么这将是一辆非常危险的无人车（无论是对行人还是乘客而言），因为无人驾驶的规划和执行层并不知道它存在30厘米的误差，它们仍然按照定位精准的前提来做出决策和控制，那么对某些情况作出的决策就是错的 融合GPS/IMU的定位方法在GPS信号缺失，微弱的情况下无法做到高精度定位，如地下停车场，周围均为高楼的市区等，因此只能适用于部分场景的无人驾驶任务。 ? 我们不再在定位的同时制图，而是事先使用传感器如激光雷达对区域构建点云地图，通过程序和人工的处理将一部分“语义”添加到地图中（例如车道线的具体标注，路网，红绿灯的位置，当前路段的交通规则等等），这个包含了语义的地图就是我们无人驾驶车的高精度地图
1.4K20发布于 2020-07-28
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号