| by msbeta | No comments

从零开始学习自动驾驶系统(二)-State Estimation & Localization

最小二乘法(Least Squares Method)可以在存在测量噪声的情况下,可以最大限度的剥离噪声的影响,求得最优解。

自动驾驶车辆配备了许多的不同的传感器,它们的测量精度各不相同,有的精度高,有的精度低,而高精度设备的测量结果更加值得信任,如何达到这种效果呢。一个直觉的做法,就是赋[……]

继续阅读

Read More
| by msbeta | No comments

从零开始学习自动驾驶系统(三)-State Estimation & Localization

前面提到的Ordinary Least Squares Estimation和 Weighted Least Squares Estimation和都假设提前收集好了所有的测量数据。但在实际的应用中,测量数据可能是流式的,比如位置测量系统以100HZ的频率不间断的对车辆的位置进行测量。在高频的更新频[……]

继续阅读

Read More
| by msbeta | No comments

从零开始学习自动驾驶系统(一)-State Estimation & Localization

Localization目标是确定自动驾驶车辆在全局坐标系内的位置(Position)和方向(Orientation),精确的Localization系统是任何自动驾驶汽车的关键组成部分。为了实现精确的Localization系统,需要使用State Estimation,从不精确的各种传感器的测量[……]

继续阅读

Read More