首页 > 代码库 > 前两周工作总结

前两周工作总结

  1. 比赛前一天,用6个laser进行试验,其中上方三个雷达,专门用于扫描马路边缘信息。第二天,用的是底下三个雷达。
  2. 雷达配置介绍:
    1. 底下三个雷达,主要是为了智能车在按导航轨迹行走的过程中,不碰撞到马路边缘,其中左右两个雷达是为了检测马路边缘的,但

    有一个不好的地方在于:这种配置离障碍物过近,会失效。有一段距离反而效果还行。

    1. 上方三个雷达,主要是用于马路边缘检测。理论上讲 用一个8线足矣,但为了马路边缘识别效果显著,故又增加两个4线雷达。相当于16线激光雷达,这样跳变点个数会增加,便于检测。使用的主要算法ransac算法,原理就是从不规则点集当中找到规则的模型。
    2. 上下雷达交错的布局方式会带来一个问题:object检测与跟踪会出问题。有时候会造成误判。而且,尤其是上下坡的过程中,尤其会出问题。
    3. 对于雷达延时的问题:官方解释是,传输方面的问题。个人不敢苟同,但很有可能是上下雷达交错配置造成的。
    4. 之前,之所以用雷达融合设备,一个好处在于我不用写代码去人为的矫正它,而只需要配置文件即可。
    5. 关于雷达标定再啰嗦个两句,最好找一个墙去标定。让两个目标成为一个目标即可。

      ?

      ?

关于64线激光雷达:

  1. 多帧叠加程序未完成。
  2. 解析程序有问题,假如每帧数据13.3w个point,且每帧角度为1.08°,则 360/1.08 = 333圈。
  3. 障碍物检测算法改进:检测平面。则平面以上全是障碍物。
  4. 跟踪算法没搞定,用的是kalman,不过聚类算法有问题。
  5. 对于三维数据的分类,最近邻失效,用k-means,建议先用k-means,然后再用最近邻,找到聚类之后的障碍物簇的质心。质心的选取很重要。
  6. 64线激光雷达,还可以做车道线识别,主要用多帧叠加实现,可以认为是局部slam,后期会把此算法细化。必须搞清楚。

    ?

    ?

    关于开题:马路边缘检测算法的难点在哪?

    1. 信息量的多少。
    2. 是否利用导航信息。当导航信息无效怎么办?
    3. 激光雷达的选取。

      ?

      ?

      下面我谈谈个人的感受:

1、8线激光雷达若是不利用导航信息,光用8个跳变点做边缘检测。分两种情况:假定车与边缘在一个角度内,检测结果可以接受。假定车在弯道内,曲率不是很大的时候可以检测,曲率大则不行。

2、8线激光雷达,若是利用导航信息,且导航信息有效的情况下,做多帧叠加,效果很好。把前n帧数据投影到当前帧下,然后进行边缘检测

3、64线激光雷达,无论利不利用导航信息,其检测效果都还可以,主要原因是因为它的覆盖面很广。总共有64层。我们在数据集中可以体现出来。

4、64线激光雷达,利用导航信息,我们可以做车道线识别,这个不受光线影响,这个效果还不错。有待研究。

?

前两周工作总结