- 综合排序
- 最热优先
- 最新优先
- 来自专栏Path Tracking Letters
代码详解——NMPC路径跟踪复杂参考路径设置
在先前的代码中，参考路径在每一个仿真循环内设置，因此只能设置为直线。 详见 白国星，公众号：Path Tracking Letters代码详解——最简NMPC路径跟踪仿真代码 为设置更加复杂的参考路径，我们可以借助全局变量。 即在初始化部分，通过全局变量设置参考路径，然后将在每一个仿真循环中读取参考路径即可。 NMPC_main.m的代码修改如下，黄绿背景部分为改后代码： NMPC参考路径设置 作者北京科技大学白国星 david.gx.bai@gmail.com 致谢：原始框架来自北京理工大学龚建伟教授团队著作 k,1)=20; Yrefg(k,1)=22; PHIrefg(k,1)=1.57; end end %% 开始仿真 for j=1:1:N %读取参考路径
1.8K10发布于 2020-09-01 - 来自专栏Path Tracking Letters
成果推广——路径跟踪控制算法研发
对于铰接式车辆平台，可以投入使用的路径跟踪控制算法包括运动学层面的纯跟踪控制、PID控制、LQR控制、预瞄-LQR控制、LMPC、NMPC等。 对于乘用车平台，可以投入使用的路径跟踪控制算法包括运动学层面的LMPC、NMPC等，动力学层面的LMPC、NMPC等。 对于轮式移动机器人，可以投入使用的路径跟踪控制算法包括运动学层面的LMPC、NMPC等，动力学层面的LMPC、NMPC等。 对于履带式机器人，可以投入使用的路径跟踪控制算法包括运动学层面的LMPC、NMPC等。 代表性论文： 孟宇, 汪钰, 顾青, 等. 基于预见位姿信息的铰接式车辆 LQR-GA 路径跟踪控制[J]. 基于预瞄距离的地下矿用铰接车路径跟踪预测控制[J]. 工程科学学报, 2019, 41(5): 662-671. 白国星, 刘立, 孟宇, 等.
1.3K31发布于 2020-10-09 - 来自专栏Path Tracking Letters
代码详解——NMPC路径跟踪的Simulink仿真
通过上一期代码，我们可以发现LMPC在参考速度升高时，控制器无法稳定跟踪参考路径。 我们在先前的研究中发现，增大航向误差的权重系数，可以解决这个问题。 但是这种方法会使得路径跟踪在转向时出现难以消除的横向误差残差。所以我们认为可以采用NMPC实现更高精度的控制。 i = round(t*20)+1; %控制器参数 Nx =3;%状态量的个数 Nu =2;%控制量的个数 Np =15;%预测/控制步长 Nc=1; l=2.7; vkey=vd1*10;%由于参考路径分辨率的问题 ((i-1)*vkey+1,2); sys=mpcout; 搭配前文中的NMPC.mat文件： 白国星，公众号：Path Tracking Letters代码详解——采用控制增量作为控制输入的NMPC路径跟踪 即可获得NMPC路径跟踪的Simulink仿真代码。
2.2K20发布于 2020-09-25 - 来自专栏腾讯数据库技术
线上IO问题跟踪-剖析MySQL IO路径
现在我们需要分析一下，SQL线程回放，可能产生哪些IO写（注意其他线程的IO不会记录到SQL线程头上，例如page cleaner flush），一条SQL语句回放过程中，可能经历的路径上有哪些操作会引发 为了印证这个写入来源，继续在innodb层添加日志跟踪，对于idb文件扩展加入以下逻辑进行日志跟踪： 每100MB扩展数据量，查看累计时间，如果累计时间在1秒以内，打印一条warning日志，且sleep
1.4K30发布于 2018-12-17 - 来自专栏idba
转载|线上IO问题跟踪-剖析MySQL IO路径
现在我们需要分析一下，SQL线程回放，可能产生哪些IO写（注意其他线程的IO不会记录到SQL线程头上，例如page cleaner flush），一条SQL语句回放过程中，可能经历的路径上有哪些操作会引发 为了印证这个写入来源，继续在innodb层添加日志跟踪，对于idb文件扩展加入以下逻辑进行日志跟踪： 每100MB扩展数据量，查看累计时间，如果累计时间在1秒以内，打印一条warning日志，且sleep
98130发布于 2019-09-19 - 来自专栏Path Tracking Letters
代码详解——铰接车的NMPC路径跟踪控制
rr; global T; global vd1; global w; i = round(t*20)+1; %控制器参数 Np =12;%预测/控制步长 Nc=1; vkey=vd1*10;%由于参考路径分辨率的问题
1.1K20发布于 2020-12-08 - 来自专栏Path Tracking Letters
车辆路径跟踪控制方法系列：LMPC的前世今生
本文希望通过介绍LMPC路径跟踪控制的基本特点以及一些典型工作，澄清LMPC路径跟踪控制的概念和历史。 判断一种MPC路径跟踪控制方法是否实质上是LMPC路径跟踪控制，主要是看控制器的设计过程。 这篇论文中采用的预测模型在当前常见的移动机器人、无人驾驶车辆的路径跟踪控制中已经不太常见，不过其控制器的设计过程，一定程度上代表了上世纪90年代LMPC路径跟踪控制的研究思路。 这本著作中详细介绍了LTV-MPC路径跟踪控制器的设计方法，并附有详细的MATLAB程序代码。龚建伟教授的工作显著地推动了国内LMPC路径跟踪控制的发展。 LMPC路径跟控制取得的进展十分瞩目，不过由于设计方法的局限，LMPC路径跟踪控制器其实仍然存在先天性的缺陷。 这个问题可以通过路径规划来解决，当参考路径不存在曲率大幅变化的情况时，LMPC路径跟踪控制的性能通常较好。
3.5K40发布于 2020-09-01 - 来自专栏RokasYang
全平台网络路径跟踪工具全面指南：涵盖WindowsLinuxMacOSiosAndroid
在测试过程中某些节点可能会返回*号，这是正常的，mtr、traceroute等路径跟踪工具都是根据递增TTL，来拿到每个沿途节点返回的Time-to-live exceeded（TTL耗尽，超过生存时间 三、ios端 以下ios端的路径跟踪工具全部在App Store免费下载，因此只介绍用法。 1.Best NetTools 1）traceroute 输入对端主机后，执行traceroute： 2）mtr 同理，输入目的主机后，执行MTR路径跟踪，将以ICMP协议进行路径跟踪： 2.iNetTools 2）使用 ①traceroute跟踪 以百度为例，目的主机如果填写的是域名并且返回了多个解析记录，会让你选择其中一个进行路径跟踪： 经过的路由节点的IP归属地信息需要去官网申请Token才能使用，无此类需求可忽略 UDP端口跟踪，可以是： mtr -u -P 80 -nr www.baidu.com 3.nexttrace 基于Golang开发的开源可视化路径跟踪工具，nexttrace的详细介绍，可参考笔者此篇文章
14.2K105编辑于 2024-05-24 - 来自专栏Path Tracking Letters
代码详解——采用控制增量作为控制输入的NMPC路径跟踪
NMPC_main.m更新为： NMPC参考路径设置 作者北京科技大学白国星 david.gx.bai@gmail.com 致谢：原始框架来自北京理工大学龚建伟教授团队著作《无人驾驶车辆模型预测控制》 =20; Yrefg(k,1)=22; PHIrefg(k,1)=1.57; end end %% 开始仿真 for j=1:1:N-300 %读取参考路径
1.3K31发布于 2020-09-01 - 来自专栏Path Tracking Letters
老白杂谈——路径跟踪控制应该如何设置对照组参数？
今天在交流群里大家讨论了一个问题，路径跟踪控制方面的论文，怎么设置对照组，才符合学术道德？首先以我个人的观点，我认为应该采用对照组性能最优（或接近最优，有时是否最优不太容易判定）时的参数。 所以做路径跟踪控制研究，真正从学术道德的方面考虑，我们应该在对照组性能最优的情况下，去和它比较。在研究滑模控制时，最好比较一下在多重系统约束下自己的控制方法是不是比模型预测控制更精确。
56110编辑于 2022-01-25 - 来自专栏Path Tracking Letters
论文解读——基于改进纯追踪模型的农机路径跟踪算法研究
《基于改进纯追踪模型的农机路径跟踪算法研究》是期刊《农业机械学报》在2020年7月3日网络首发的一篇论文。 从实验结果可知，改进后的控制器在直线跟踪的效果以及初始调整所需的距离等方面优于预瞄距离固定的控制器。 总而言之，这篇论文针对农机作业直线行驶这种特殊的无人驾驶工况，提出了一种基于粒子群优化预瞄距离的纯跟踪控制方法，取得了较好的实验效果。 通过粒子群优化算法实时确定预瞄距离的方法，可以拓展到预瞄-LQR（Linear quadratic regulator）等前馈-反馈控制方法，对于其他工况的无人驾驶车辆路径跟踪控制具有较为重要的参考价值
1.1K10发布于 2020-09-01 - 来自专栏Path Tracking Letters
论文解读——基于非线性模型预测控制的自动泊车路径跟踪
《基于非线性模型预测控制的自动泊车路径跟踪》是期刊《工程科学学报》在2019年第41卷第7期上刊载的一篇论文。 这篇论文利用模型预测控制能够显式处理系统约束的特点，尤其是非线性模型预测控制具有更长的精确预测时域，较为适合用于解决车速较低但参考路径曲率、航向变化幅度较大的自动泊车路径跟踪问题的优势，建立了基于非线性模型预测控制的自动泊车路径跟踪控制器 详见： 白国星，公众号：Path Tracking Letters论文解读——基于非线性模型预测控制的移动机器人实时路径跟踪 总而言之，我们在这篇论文中探讨了在自动泊车工况中的路径跟踪控制，指明了非线性模型预测控制在这种工况中具有较好的性能
87130发布于 2020-08-31 - 来自专栏Path Tracking Letters
论文解读——基于轮胎状态刚度预测的极限工况路径跟踪控制研究
《基于轮胎状态刚度预测的极限工况路径跟踪控制研究》是期刊《自动化学报》在2019年9月19日网络首发的一篇论文。 这篇论文主要针对采用LTV-MPC（Linear Time-Varying Model Predictive Control）设计动力学层面的路径跟踪控制器时，在预测时域内轮胎的侧偏刚度将保持不变，导致在处于高速行驶并转向的极限工况时 LTV-MPC控制器确实能够提高高速极限工况下车辆路径跟踪的精确性和稳定性。 总而言之，这篇论文在路径跟踪控制的极限工况处理方面做了有益的尝试，对于这一领域的研究者具有重要的参考价值。论文提出的控制器在保证实时性的同时，提高了路径跟踪控制的精确性和稳定性。 不过随着计算机运算速度的上升以及非线性模型预测控制实时性方面研究工作的突破，我们也可以尝试采用鲁棒性更强的非线性模型预测控制（Nonlinear Model Predictive Control, NMPC）研究极限工况下的车辆路径跟踪控制
59610发布于 2020-09-01 - 来自专栏无人驾驶感知
【目标跟踪】红绿灯跟踪
本篇会初略分享红绿灯感知包括但不限于检测+跟踪+分类。重点讲解如何稳定跟踪。 跟踪结合了 byteSort 与 BotSort，效果可以说相当稳定。抛开其他的不谈，对于我们重点观察的红绿灯（正前方红绿灯）可以说是稳稳的跟踪，也算遥遥领先。 放一张通宵比赛测试的图：（右一是博主） # 三、跟踪 因为是基于 ros 做的开发，同时红绿灯这个节点又包含了三个部分（检测+跟踪+分类）。 为了使代码美观、思路清晰，所以对三个部分封装。 所以跟踪代码只开放一个接口，这里就写做 update 吧。输入是检测的结果与图片，输出是跟踪后的框与id等，这里输出是用的引用的方式。 且低置信度目标可能包含了目标的运动趋势，利用这些消息可以提升我们跟踪的准确性与鲁棒性。
92010编辑于 2024-03-30 - 来自专栏Path Tracking Letters
论文解读——无人驾驶车辆路径跟踪控制预瞄距离自适应优化
《无人驾驶车辆路径跟踪控制预瞄距离自适应优化》是《机械工程学报》在2018年第54卷24期刊发的一篇论文。《机械工程学报》是EI收录期刊，2019年复合影响因子2.346，综合影响因子1.421。 驾驶员预瞄模型在路径跟踪控制中的作用如图所示（图片源自原文）： 这篇论文采用的基础路径跟踪控制算法是滑模控制，这种控制方法具有鲁棒性强，控制精度好等优势。但是滑模控制较难处理多重系统约束。 在低速情况下，可以采用路径规划的形式对参考路径进行平滑，从而保证滑模控制能够在系统约束下正常运行，不过在行驶速度较高、地面附着系数较低等需要采用动力学控制的情况下，需要考虑多重系统约束，此时笔者个人认为滑模控制可能不再适用 有兴趣的同行可以采用这篇论文提出的自适应预瞄距离调整方法和运动学LMPC，提出的新的路径跟踪控制方法。
1.4K10编辑于 2022-01-25 - 来自专栏无人驾驶感知
【目标跟踪】多目标跟踪测距
这里不仅仅实现对目标检测框的跟踪，且可以实现单相机进行对目标进行测距跟踪。 想了解详细原理可以参考往期博客：【目标跟踪】多目标跟踪sort （python 代码） 。 用的是跟踪挑战开源数据。 这部分代码主要是加载检测数据，读取图片。 调用跟踪与测距接口进行计算 可以设置 dispaly 与 video_save 是否 show 图片 与保存视频 x_p 里面包含目标离相机纵向与横向距离，还有速度、加速度。 \\img", '%06d.jpg' % (frame)) # 图片路径 image = cv2.imread(image_path) # x_p 目标横向、纵向距离。 关于目标前后帧匹配，是利用 iou 匹配进行的，所以要基于目标检测框的匹配跟踪。
89610编辑于 2024-02-05 - 来自专栏无人驾驶感知
【目标跟踪】多相机环视跟踪
一、前言 多相机目标跟踪主要是为了实现 360 度跟踪。单相机检测存在左右后的盲区视野。 在智能驾驶领域，要想靠相机实现无人驾驶，相机必须 360 度无死角全覆盖。 博主提供一种非深度学习方法，采用kalman滤波+匈牙利匹配方式实现环视跟踪。有兴趣可以参考往期【目标跟踪】系列博客。 本文干货满满，可以先点赞关注收藏，以免下次找不到。欢迎各位吴彦祖私信交流学习。 这里面不仅要对单相机目标进行跟踪，且对跨相机的目标也需要进行跟踪，还有各种匹配，初始化，开始消亡等到。想想都头皮发麻，那到底怎么做？别慌，让我娓娓道来。 这个是与单相机跟踪类似。 (3) 匹配修正 匹配上的目标，修正预测的状态与box。此时idCount 不变。 (4) 未匹配的检测框 对于未匹配的检测框，寻找航迹中在其他相机的目标，进行再次匹配。
81610编辑于 2024-02-05 - 来自专栏全栈程序员必看
跟踪算法(一)光流法跟踪
本文目录： 一.基于特征点的目标跟踪的一般方法 二.光流法 三.opencv中的光流法函数 四.用类封装基于光流法的目标跟踪方法 五 .完整代码 六.参考文献 一.基于特征点的目标跟踪的一般方法 基于特征点的跟踪算法大致可以分为两个步骤： 1）探测当前帧的特征点； 2）通过当前帧和下一帧灰度比较 很显然，基于特征点的目标跟踪算法和1），2）两个步骤有关。 聪明的你肯定发现了：这样搜索不仅可以解决大运动目标跟踪，也可以一定程度上解决孔径问题（相同大小的窗口能覆盖大尺度图片上尽量多的角点，而这些角点无法在原始图片上被覆盖）。 四.用类封装基于光流法的目标跟踪方法 废话少说，附上代码，包括特征点提取，跟踪特征点，标记特征点等。
1.6K20编辑于 2022-09-15 - 来自专栏我爱计算机视觉
跟踪综述推荐：目标跟踪40年
《中国图象图形学报》2019年第12期封面故事聚焦目标跟踪，对基于深度学习的目标跟踪算法进行系统的梳理。 阐述了目标跟踪的基本研究框架，从深度判别模型、深度生成式模型等方面介绍了适用于目标跟踪的深度学习方法。 深入分析了网络结构、功能划分和网络训练等不同类别的深度目标跟踪方法。 简要阐述了适用于深度学习目标跟踪的视频数据库和评测方法。 介绍了目标跟踪的最新具体应用情况。 分析了深度学习方法在目标跟踪中存在的训练数据不足、实时跟踪和长程跟踪等问题。 对深度学习的目标跟踪方法的未来发展进行展望。 ? ? 目标跟踪发展脉络 ? 相对而言，标注长程跟踪视频和构建大规模数据集的难度更大，如何根据长程跟踪任务的特点及其与短期跟踪任务的联系，结合迁移学习和深度学习构建合适的长期目标跟踪模型，也是未来视觉目标跟踪研究值得关注的一个重要方向
2.6K20发布于 2020-02-12 - 来自专栏3D视觉从入门到精通
事件相机特征跟踪-模板跟踪方法
1、前言 由于事件相机不能提供完整的图像，所以最初的特征跟踪依赖传统相机的数据。 特征追踪时，积累特征模板中心附近的事件，当达到一定数量后形成数据模板，开始进行跟踪，每进入一个新的事件，便删除最老旧的事件。 然后通过数据模板与特征模板进行ICP匹配，求的变化的增量，从而实现了一次的跟踪，之后不断进行。完整的算法流程如下： ? 3.5 跟踪失败判定 当ICP迭代结束后，如果离群点较多，或迭代后平均像素距离依旧很大，则认为特征跟踪失败。 4、实验结果 跟踪特征的时间长短是一个重要指标，这篇论文的方法进行跟踪，跟踪实践能够达到1s。当特征丢失后可以利用传统图像数据再次进行补充。当然，随着时间的增加，误差也会累积的越来越大。 ?
1.3K30发布于 2020-12-11
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