- 综合排序
- 最热优先
- 最新优先
PX4 + jMAVSim 无人驾驶测试
在 PX4 源码根目录 执行：. /Tools/jmavsim_run.sh -l脚本会自动：把刚编好的 build/px4_sitl_default/bin/px4 拉起来；把 jMAVSim 的 jar 包启动；端口、模型、初始位置全部配好 全程不用再敲任何 px4 命令。 手动两步（想自己控制 PX4 参数时）终端 1（先起飞控，指定仿真器为 jmavsim）cd ~/PX4-Autopilot/build/px4_sitl_default./bin/px4 . /bin/px4-rcS -d -t jmavsim说明-t jmavsim 告诉 PX4 使用 jMAVSim 模型与端口配置（等同于 rcS 里 set MAV_TYPE 2 并打开 14580/14540
29710编辑于 2025-09-22- 来自专栏云深之无迹
MathorCup 2022 C题无人驾驶泊车问题.4（软件安装）
才30G，哇，真的好好用，无论是功能还是速度上面，我愿称之为：舒服~ https://mp.weixin.qq.com/s/4eT_RJF1eKos_zF-iUoRPw 参考这个安装 不是很理解这个百度盘
43110编辑于 2022-04-25 - 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. 4. 积分控制 解决这个的办法就是增加积分控制。选择好的积分控制增益可以得到非常好的效果。 以上这些就是所谓的PID控制。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。
1.6K50发布于 2018-03-14 - 来自专栏量子位
嬴彻科技完成L4级重卡无人驾驶路测
近日，嬴彻科技完成L4级重卡无人驾驶路测。L4测试车型大幅度沿用嬴彻L3量产方案，在一段全长24km的封闭高速测试路段内，全程无人驾驶，无远程干预，自如应对复杂道路和车流场景。 依托量产方案 共享数据闭环 此次进行全无人驾驶测试的L4自动驾驶重卡，是基于嬴彻科技与主机厂联合开发的量产车型，沿用了量产方案中的全冗余线控底盘、高算力计算平台以及核心算法软件，同时对激光雷达和算力进行了适当扩充 嬴彻科技CTO杨睿刚博士解读道：“这是一次具有量产基因的L4级无人驾驶重卡技术验证，车辆能够自如应对各类高速场景中的自然车流，展现了优秀的感知和控制稳定性。 嬴彻科技的自动驾驶技术架构从设计之初即面向L4。在此统一架构下，嬴彻L4技术的演进极大受益于L3量产车型的开发和数据积累。 从量产L3迈向L4的路径有巨大优势，我非常有信心，嬴彻科技有望最早实现无人驾驶重卡的量产。” △ 路测全程视频 *本文系量子位获授权刊载，观点仅为作者所有。 — 完 — 「智能汽车」交流群招募中！
46320编辑于 2022-03-08 - 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
5G通信尚未成熟 要实现无人驾驶的终极目标，不可避免地要解决网络延迟问题。当前的4G技术存在一定的信息延迟问题，信息延迟对无人车而言十分危险，也许一个刹车信号晚发出半秒就可能造成一次严重的事故。 2021年推出L4无人驾驶车型。 百度 百度无人车所使用的传感器包括了激光雷达、毫米波雷达、摄像头、红外、惯导，以及高精度地图。百度在2015年年底完成了城市环路及高速混合路况的全自动驾驶。 在2016年7月，在乌镇景区推出了L4级别的无人驾驶服务。百度已经获批在加利福尼亚州测试其无人车，将于2021年开始大规模生产无人车。 [4] 2016年7月25采访兰德公司Karlyn Stanley. [28] 路透社 2016年4月23日文章“China’s Roadmap to Self-Driving Cars”。
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。
75430发布于 2020-07-28 - 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。 4）超声波雷达: 超声波测距原理是在超声波发射装置发出超声波，它的根据是接收器接到超声波时的时间差，与雷达测距原理相似。
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
图中的汽车配备了前后向共8个UPA，左右侧共4个APA。 UPA超声波雷达 UPA超声波雷达的探测距离一般在15~250cm之间，主要用于测量汽车前后方的障碍物。 参数4：D D是超声波雷达的最大量程。UPA的最大量程为2米~2.5米，APA的最大量程至少是5米，目前已有超过7m的APA雷达在业内使用。 v=5F_mOOz3dV4 在视频中可以看出，当左侧驶过的汽车理自车较近时，Model S在确保右侧有足够空间的情况下，自主地向右微调，降低与左侧车辆的碰撞风险。
91840编辑于 2022-10-01 - 来自专栏CreateAMind
全球首款量产无人驾驶汽车发布！通用汽车抢滩L4
通用汽车公司已有超过100年的历史，但也时常发现自己走在市场的太前面，自己的先进技术没能等来黄金时代，比如雪佛兰Vega的全铝发动机和凯迪拉克的V8-6-4发动机就以失败告终。 所以，今天，我们公布了世界上第一台量产的自动驾驶汽车，其设计就是为了无人驾驶（L4）。它不是一款概念车——它有安全气囊、吸撞设计和舒适的座椅。 我们今天发布的车辆几乎具有全新的、高容错的电力系统、交互系统和启动系统，对于无人驾驶汽车来说，这些都是独有的。 所有这些新系统都很重要，因为无人驾驶汽车不能再依赖人类作为备用系统。 我们新车中的线束就有4,085 条电线和1,066 连接器件，这意味着如果没有严格的组装、测试过程，车辆将花费大部分时间在 4s 店，而维修技术人员在不停地找寻那些看不见的毛病（破损的电线、松动的连接器或其他任何可能导致问题的东西 世界上第一台量产无人驾驶汽车的推出是一项重大成就，但是我们还没有到达终点。我们要做的不只是制造这些无人驾驶汽车——哪怕是几百辆。有人辅助的自动驾驶没有未来。
65420发布于 2018-07-24 - 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。 ? 第二步：将目标分解 我们想要汽车具备如下几个功能： （1）遇到障碍物自动换向； （2）遇到屏幕边缘自动改变方向； （3）前方无障碍物的时候，加速行驶； （4）前方一定距离内有障碍物，减速行驶； 第三步： 加速与减速代码 现在我们可以对照一下上文中制定的4个具体目标，基本上全部实现了。 7.5 紧急掉头 下面进入“完善程序的”的阶段，我们发现汽车大部分情况都能实现自动避开障碍物，但也会出现一些极端情况。
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 - 来自专栏机器视觉工坊
无人驾驶系统-规划
无人驾驶规划系统的分层结构设计源于2007年举办的DAPRA城市挑战赛，在比赛中多数参赛队都将无人车的规划模块分为三层设计：任务规划，行为规划和动作规划，其中，任务规划通常也被称为路径规划或者路由规划
96510发布于 2020-07-28 无人驾驶发展迅猛
一 、你有乘坐过无人驾驶的汽车吗？ 2024年武汉推出新型乘车模式，萝卜快跑无人驾驶，颠覆了原始的乘车模式，一时间无人驾驶似乎成为了人们必谈的一个话题。 二、无人驾驶对于人们生活的影响 其实不难发现，日常生活中越来越多的无人驾驶出现。 公园内出现的无人驾驶售货车，对于商贩来说，不需要多一个人来售卖物品，加减货品，只需要发指令让售货车自己开回来补货，降低了人力成本，对于路人来说，不需要跑得远远地去购买商品。 无人驾驶航空器试飞成功。 江苏首条全自动无人驾驶地铁线路------南京地铁7号线全线贯通运营... ... 无人驾驶已经悄然走近我们的生活。 三、未来也将会迎来一波科技更迭。 有新的科技，也会迎来新的挑战。 随着无人驾驶在生活中的应用越来越广泛，不禁引发了我们的思考。无人驾驶是否是在跟其他出租车“抢饭碗”，导致出租车司机失业，日常生活中的交通拥堵又应该怎样解决。
19230编辑于 2025-01-05- 来自专栏机器视觉工坊
无人驾驶感知系统介绍
聚焦无人驾驶行业动态，引领智能汽车科技创新 无人驾驶-感知传感器包括：摄像头、激光雷达、毫米波雷达、超声波雷达。 无人驾驶感知传感器 ? 1、摄像头 摄像头可分为数字摄像头和模拟摄像头两大类。 4、超声波雷达 超声波测距原理是在超声波发射装置发出超声波，它的根据是接收器接到超声波时的时间差，与雷达测距原理相似。
1.9K20发布于 2020-07-28 - 来自专栏人工智能头条
无人驾驶系统安全
本文是无人驾驶技术系列的第九篇，详细介绍针对无人车传感器、操作系统、控制系统、车联网的攻击手段以及防御方法。 针对无人驾驶的安全威胁 对于无人驾驶系统来说，安全性至关重要。 无人驾驶系列文章《光学雷达（LiDAR）在无人驾驶技术中的应用》（《程序员》2016年4月）提到激光雷达是目前无人驾驶最主要的传感器，而无人车也依赖于激光雷达数据与高精地图的匹配进行定位。 无人驾驶操作系统安全 针对传感器的攻击是外部攻击，不需要进入无人驾驶系统。第二种攻击方式是入侵到无人驾驶操作系统，劫持其中一个节点并对其进行攻击。 在无人驾驶系列文章《基于ROS的无人驾驶系统》（《程序员》2016年5月）中提到，目前的无人驾驶操作系统基本是基于ROS的框架实现。 图4 ECU安全加密系统 确保V2X通信安全的系统要满足以下两个基本条件：第一，确认消息来自合法的发送设备，这个需要通过验证安全证书来保证。
1.6K40发布于 2018-06-06 - 来自专栏全栈程序员必看
无人驾驶安全报告分析
(4) 使老年人、残疾人的移动能力提高,依靠无人驾驶汽车，行动不便的老年人、残疾人这样的弱势群体也无须担心出行的不便，也有助于社会福利事业的进一步发展。 （4）有限制的无人驾驶。汽车进入高度自动驾驶的段位，在符合条件的交通环境下可以自主驾驶。 （5）全工况无人驾驶。在任何交通环境状况中，汽车都可以全面自动驾驶。 图3.1 技术不错导致发生碰撞示意图 （4）系统本身问题 无人驾驶汽车有不同的汽车制造厂家，不能保证每一家公司的技术都是最好的，一旦系统输出问题后，这辆车可能就会失控，不仅对车内人员有危险 （4）健全法律制度 建立健全无人驾驶汽车许可与质量管理制度。《道路交通安全法》第十九条规定：“驾驶机动车，应当依法取得机动车驾驶证。” 第四章 安全事故 案例1： 2018年5月7日消息，据国外媒体报道，一辆由Waymo运营的无人驾驶汽车在上周五（5月4日）下午的亚利桑那州钱德勒市发生了交通事故损毁。
1.5K20编辑于 2022-07-23 - 来自专栏量子位
百度在雄安开展L4级全自动无人驾驶测试
据透露，5月14日（上周一）起百度在雄安新区开展了全自动无人驾驶道路测试。 ? 三辆百度Apollo开放平台的L4级别自动驾驶汽车，在雄安市民服务中心园区展开了持续数日的昼夜真实道路测试。 去年12月，百度与雄安新区签署战略合作协议，共同打造无人驾驶智能出行试点示范。 作者系网易新闻·网易号“各有态度”签约作者
54250发布于 2018-07-24
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