視覺傳感器體積小重量輕、價(jià)格相對(duì)低廉，同時(shí)能夠提供豐富的信息供定位、感知等算法模塊使用，因此在機(jī)器人和自動(dòng)駕駛系統(tǒng)中的得到了廣泛應(yīng)用。作為視覺定位系統(tǒng)的重要組成部分，基于視覺傳感器的同時(shí)定位和建圖算法（SLAM）應(yīng)用廣泛，在學(xué)術(shù)界和工業(yè)界都得到了很多關(guān)注。具體來說，在自動(dòng)駕駛系統(tǒng)中，視覺SLAM可以在地圖不可靠、GPS不穩(wěn)定情況下（例如城區(qū)輔助駕駛）提供可靠的位姿估計(jì)和周圍環(huán)境信息。同時(shí)，相對(duì)于激光雷達(dá)等傳感器，相機(jī)價(jià)格較低，配合視覺定位和感知算法，可以以低成本實(shí)現(xiàn)智能駕駛功能。
但是，視覺SLAM系統(tǒng)經(jīng)常被人詬病的一點(diǎn)是魯棒性。基于視覺的位姿估計(jì)的基本原理是追蹤匹配圖像中明顯的視覺特征，因此過曝、弱紋理、運(yùn)動(dòng)模糊等問題一直是視覺SLAM系統(tǒng)實(shí)際應(yīng)用中的痛點(diǎn)。在研究和工程實(shí)踐中，多傳感融合、相機(jī)參數(shù)控制等手段都可以用來提高視覺SLAM系統(tǒng)的魯棒性；另一方面，目前的自動(dòng)駕駛系統(tǒng)往往都配備了多個(gè)相機(jī)形成環(huán)視視覺系統(tǒng)，而合理利用多相機(jī)系統(tǒng)可以很大程度上提升SLAM系統(tǒng)的性能，因此本文將著重介紹在多相機(jī)SLAM系統(tǒng)的原理、和一般單目/雙目系統(tǒng)的區(qū)別及其在自動(dòng)駕駛系統(tǒng)中的應(yīng)用。
自2004年視覺里程計(jì)技術(shù)被正式提出以來，視覺SLAM技術(shù)經(jīng)過長(zhǎng)期發(fā)展，其基礎(chǔ)理論已經(jīng)相對(duì)完善（如立體幾何、非線性優(yōu)化和濾波等）。在工程實(shí)踐方面，研究者也總結(jié)出一套相對(duì)通用的系統(tǒng)框架：粗略來說，視覺SLAM系統(tǒng)通常被劃分為前端和后端，其中前端負(fù)責(zé)建立不同時(shí)刻圖像之間的匹配關(guān)系并進(jìn)行局部估計(jì)，保證系統(tǒng)的實(shí)時(shí)位姿輸出，后端則負(fù)責(zé)在相對(duì)大范圍內(nèi)進(jìn)行優(yōu)化，保證系統(tǒng)的精度和全局地圖一致性。從具體系統(tǒng)實(shí)現(xiàn)上來說，大部分工作都是針對(duì)單目或者雙目相機(jī)進(jìn)行的，因此我們最熟悉的一些技術(shù)實(shí)踐不可避免是針對(duì)這兩種相機(jī)配置進(jìn)行設(shè)計(jì)的。
將單目/雙目SLAM系統(tǒng)拓展到多相機(jī)SLAM系統(tǒng)時(shí)，前端-后端的系統(tǒng)框架一般可以沿用，但是需要對(duì)原有針對(duì)單目/雙目的具體算法模塊進(jìn)行改進(jìn)，使其適用于多相機(jī)配置，下面以MultiCol-SLAM為例進(jìn)行說明。MultiCol-SLAM基于ORB-SLAM設(shè)計(jì)了多相機(jī)SLAM，在基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)上將關(guān)鍵幀Keyframe的概念拓展到Multi-Keyframe（MKF），即不同相機(jī)在同一時(shí)刻觀測(cè)的集合：
因此這里我們關(guān)注的不再是某個(gè)相機(jī)的位姿，而是圖中body-frame的位姿，多個(gè)相機(jī)的觀測(cè)都可以為估計(jì)body-frame的位姿服務(wù)。其他算法模塊也需要針對(duì)MKF進(jìn)行適配，首先需要通過非線性優(yōu)化求解位姿的模塊（例如Tracking中相對(duì)局部地圖的定位、局部BundleAdjustment）需要將body-frame的位姿作為求解變量并更改相應(yīng)的cost，其次，一些常用的位姿求解器需要替換為支持多相機(jī)的版本，例如在重定位中使用Generalized P3P和PnP算法替代EPnP求解位姿初值。
從單相機(jī)絕對(duì)位姿估計(jì)（左）到多相機(jī)絕對(duì)位姿估計(jì)（右），其中f代表視覺觀測(cè)。圖取自O(shè)penGV文檔。
從MultiCol-SLAM的例子可以看出，將適用于單目/雙目的SLAM系統(tǒng)拓展到多目整體來看是比較自然的：需要估計(jì)的位姿不再和相機(jī)綁定而是通過外參關(guān)聯(lián)到多個(gè)相機(jī)，相應(yīng)的算法模塊也都可以比較容易地拓展到多相機(jī)系統(tǒng)。更一般地，從SLAM理論基礎(chǔ)的角度來說，非線性優(yōu)化和濾波的理論和工具相當(dāng)靈活，可以方便地根據(jù)多相機(jī)配置進(jìn)行適配，同時(shí)，針對(duì)多相機(jī)的幾何視覺研究也相對(duì)成熟，常見的位姿求解問題基本都可以找到相應(yīng)的工具。
但是，如果我們不僅僅滿足于讓多相機(jī)SLAM系統(tǒng)“跑起來”，而是想要實(shí)現(xiàn)一個(gè)魯棒、泛用的多相機(jī)SLAM系統(tǒng)，就需要進(jìn)一步考慮各個(gè)模塊中引入多相機(jī)所帶來的額外問題，而這些問題往往會(huì)對(duì)系統(tǒng)的整體性能有明顯影響。下面對(duì)多目SLAM系統(tǒng)中的幾個(gè)難點(diǎn)進(jìn)行說明。
視覺SLAM初始化的目的是建立初始的3D點(diǎn)地圖用于后續(xù)跟蹤，直接影響SLAM系統(tǒng)的精度指標(biāo)。對(duì)于單目和雙目系統(tǒng)，分別通過5點(diǎn)法/planar homography和雙目三角化進(jìn)行初始化已經(jīng)成為事實(shí)上的標(biāo)準(zhǔn)方法。但是，對(duì)于多目相機(jī)，由于相機(jī)的配置不確定，一套通用的初始化方法應(yīng)當(dāng)如何設(shè)計(jì)仍不明確。顯然，相機(jī)的具體配置，尤其是相機(jī)之間是否有overlap，決定了合適的初始化流程。MultiCol-SLAM對(duì)多相機(jī)組中的每個(gè)相機(jī)都計(jì)算相對(duì)位姿、從中選擇質(zhì)量最好的一組得到粗略的3D點(diǎn)，再將這些3D點(diǎn)投影到其他相機(jī)中并利用所有觀測(cè)進(jìn)行聯(lián)合優(yōu)化，這種方法只適用于相機(jī)之間有overlap的情況。也有一些工作嘗試通過分析相機(jī)之間的overlap情況來決定初始化的策略，可以對(duì)不同的多相機(jī)配置實(shí)現(xiàn)一定程度上的自適應(yīng)，但是整體來說，通用魯棒的多目相機(jī)初始化仍是一個(gè)開放的問題。
和多傳感融合算法一樣，多相機(jī)SLAM算法也需要精確的相機(jī)間外參才能正常工作。離線標(biāo)定雖然可以得到十分精確的結(jié)果，但是在系統(tǒng)運(yùn)行過程中由于碰撞、震動(dòng)等不可避免會(huì)出現(xiàn)外參的變化，尤其是對(duì)自動(dòng)駕駛汽車來說，由于相機(jī)之間距離較大，外參甚至可能隨著車體運(yùn)動(dòng)、負(fù)載狀況的不同發(fā)生變化，因此系統(tǒng)在正常運(yùn)行環(huán)境中（不依賴標(biāo)定設(shè)備）對(duì)相機(jī)外參進(jìn)行標(biāo)定的能力比較重要，學(xué)界對(duì)此也有很多研究工作。一類工作是利用多個(gè)相機(jī)（單目或者雙目組合）單獨(dú)運(yùn)行SLAM/SfM算法，再對(duì)不同相機(jī)的地圖進(jìn)行匹配融合，最后再通過聯(lián)合優(yōu)化得到外參；另一類工作是利用SLAM本身已有的非線性濾波或優(yōu)化求解過程，將外參作為額外待估參數(shù)加入求解器進(jìn)行估計(jì)，可以實(shí)時(shí)估計(jì)外參變化（激勵(lì)充分時(shí)），例如有的提出一種MSCKF框架下的多相機(jī)、多IMU視覺慣性里程計(jì)，實(shí)現(xiàn)了對(duì)相機(jī)和IMU外參的在線估計(jì)；而針對(duì)自動(dòng)駕駛平臺(tái)上的多相機(jī)系統(tǒng)，也有人將相機(jī)之間的外參加入視覺SLAM的局部BA中進(jìn)行估計(jì)。
原理上來說，上述方法和構(gòu)建一般的狀態(tài)估計(jì)問題差異不大，但是相較于離線標(biāo)定問題，在線標(biāo)定受限于系統(tǒng)的運(yùn)行狀況，需要額外注意當(dāng)前數(shù)據(jù)是否足以準(zhǔn)確估計(jì)外參（即系統(tǒng)是否有足夠的激勵(lì)，相應(yīng)待估參數(shù)是否可觀）。相關(guān)地，也有工作從數(shù)據(jù)的角度出發(fā)，自動(dòng)選擇信息量更大的數(shù)據(jù)對(duì)多相機(jī)外參進(jìn)行估計(jì)。
多個(gè)相機(jī)帶來更多的觀測(cè)數(shù)據(jù)，理論上來說總能帶來更好的定位建圖結(jié)果，但是也帶來了更大的計(jì)算量。因此實(shí)際中經(jīng)常需要面對(duì)的問題是，如何對(duì)丟棄一定的觀測(cè)以減小計(jì)算量，同時(shí)對(duì)定位精度有較小的影響？啟發(fā)式的方法可以起到一定的效果（例如視覺SLAM中經(jīng)常用到的特征在圖像上平均分布的技巧），但是往往不是最優(yōu)的。因此一些研究工作提出了基于信息論的方法，粗略來說，是以一種數(shù)學(xué)上更嚴(yán)格的方法衡量丟棄觀測(cè)后對(duì)系統(tǒng)的影響，例如利用Hessian矩陣的信息度量對(duì)多個(gè)相機(jī)中的特征進(jìn)行選擇，或者通過對(duì)特征分布的合理假設(shè)，簡(jiǎn)化Hessian矩陣的計(jì)算和多個(gè)相機(jī)的特征選擇問題。本質(zhì)上來說，特征選擇是一種在盡量不影響求解結(jié)果的約束下，通過更改問題結(jié)構(gòu)減小計(jì)算量的方法，這一方向的研究工作仍處于SLAM后端優(yōu)化的研究前沿。
自動(dòng)駕駛平臺(tái)上的多個(gè)相機(jī)往往覆蓋車身周圍360°的視角，能夠利用全方向的視覺信息，因此如果能夠充分利用這些相機(jī)，多相機(jī)視覺SLAM系統(tǒng)可以實(shí)現(xiàn)不同外部條件下魯棒準(zhǔn)確的位姿估計(jì)。在論文“Towards Robust Visual Odometry with a Multi-Camera System”中，作者設(shè)計(jì)了一種基于光度一致性的多目視覺SLAM系統(tǒng)，在配備有前、后、左、右四組雙目相機(jī)的平臺(tái)上進(jìn)行測(cè)試，結(jié)果表明，如果能夠利用全部四組雙目相機(jī)，系統(tǒng)可以在不同光照條件下（白天、夜晚）穩(wěn)定地工作，并保持較高的位姿估計(jì)精度。“ROVO: Robust Omnidirectional Visual Odometry for Wide-baseline Wide-FOV Camera Systems”一文則針對(duì)包含4個(gè)魚眼相機(jī)的環(huán)視系統(tǒng)設(shè)計(jì)了基于特征點(diǎn)的視覺SLAM系統(tǒng)，實(shí)驗(yàn)結(jié)果表明在多相機(jī)SLAM系統(tǒng)中加入在線外參估計(jì)對(duì)系統(tǒng)性能有明顯提升。
在自動(dòng)駕駛平臺(tái)上應(yīng)用多相機(jī)SLAM系統(tǒng)同時(shí)也需要考慮自動(dòng)駕駛汽車的特性。例如，自動(dòng)駕駛汽車的運(yùn)動(dòng)自由度有限，并存在大量速度變化不大情況，這對(duì)某些參數(shù)的在線標(biāo)定有一定影響，這一點(diǎn)在結(jié)合IMU搭建SLAM系統(tǒng)的時(shí)候需要尤其注意。另一方面，也可以利用車輛特有的性質(zhì)減小狀態(tài)估計(jì)的難度，例如通過離線實(shí)驗(yàn)識(shí)別出相機(jī)外參變化的可能模式（由具體相機(jī)安裝方式?jīng)Q定），隨后在在線外參標(biāo)定中將這些模式作為約束，提高了在線標(biāo)定的效率和精度，又如車道線作為結(jié)構(gòu)性很強(qiáng)的特征，可以作為外參在線標(biāo)定的重要線索。
自動(dòng)駕駛平臺(tái)上的感知系統(tǒng)往往也充分利用了多相機(jī)系統(tǒng)，可以提供豐富的語義信息，例如車道線和分割結(jié)果等，這些信息和傳統(tǒng)視覺特征互為補(bǔ)充，可以作為多相機(jī)SLAM系統(tǒng)的重要輸入。例如有的利用IPM圖上提取的車道線信息構(gòu)建地下車庫的地圖，為自動(dòng)泊車提供定位功能，或者利用環(huán)視相機(jī)生成BEV視角下的分割結(jié)果，直接將該結(jié)果作為SLAM系統(tǒng)的輸入，實(shí)現(xiàn)相鄰幀的位姿估計(jì)和回環(huán)檢測(cè)等功能。另外，特斯拉在AIDay 2022上也提到，在FSD中集成了多目視覺-慣性-輪速里程計(jì)，利用了神經(jīng)網(wǎng)絡(luò)輸出的多種結(jié)果（特征、全景分割、地面等），實(shí)現(xiàn)了100Hz、漂移率在1%左右的位姿估計(jì)，該里程計(jì)輸出的位姿和3D結(jié)構(gòu)為下游自標(biāo)注系統(tǒng)提供了輸入。
在視覺SLAM系統(tǒng)中引入多相機(jī)可以有效提高系統(tǒng)的魯棒性和精度，具體到自動(dòng)駕駛汽車，環(huán)視相機(jī)系統(tǒng)可以利用全方向的視覺信息，為視覺SLAM系統(tǒng)提供了很好的傳感器配置。從具體算法來說，雖然視覺SLAM的理論基礎(chǔ)相對(duì)成熟，但是實(shí)現(xiàn)一套效果優(yōu)秀的多相機(jī)SLAM系統(tǒng)仍需要解決若干痛點(diǎn)，例如外參自標(biāo)定、如何平衡計(jì)算量和精度等，這里既有工程上的挑戰(zhàn)，也有待研究的問題。另外，自動(dòng)駕駛汽車感知系統(tǒng)提供的語義信息可以作為多相機(jī)視覺SLAM系統(tǒng)的重要輸入，如何將神經(jīng)網(wǎng)絡(luò)輸入的語義信息和傳統(tǒng)的非線性優(yōu)化濾波有效結(jié)合（例如如何衡量語義輸出的幾何不確定度）仍是一個(gè)開放的問題。
關(guān)鍵字：自動(dòng)駕駛編輯：什么魚 引用地址：淺析多相機(jī)SLAM系統(tǒng)及其在自動(dòng)駕駛中的應(yīng)用
第二屆“光”+智能駕駛技術(shù)高峰論壇于2019年9月6日舉辦，本次論壇邀請(qǐng)了政府部門、咨詢機(jī)構(gòu)、整車企業(yè)、激光雷達(dá)制造商、紅外夜視、攝像頭等傳感器重點(diǎn)企業(yè)及知名科研院所等到會(huì)研討，共話光與汽車電子行業(yè)市場(chǎng)前景。以下為Cibby Pulikkaseril首席技術(shù)官兼聯(lián)合創(chuàng)始人 Baraja現(xiàn)場(chǎng)演講實(shí)錄： Cibby Pulikkaseril首席技術(shù)官兼聯(lián)合創(chuàng)始人 Baraja 感謝各位今天的到來，這是我今天第一次來到深圳，我真的特別喜歡深圳。我叫Cibby，是Baraja的創(chuàng)始人，致力于激光雷達(dá)領(lǐng)域，聚焦自動(dòng)駕駛。我們公司在澳大利亞，我們認(rèn)為激光是可以為自動(dòng)駕駛帶來全新的變革。 我今天想分享的是激光雷達(dá)在自動(dòng)駕駛領(lǐng)域
激光雷達(dá)現(xiàn)狀 /
全球最大的汽車零部件制造商Bosch（博世）準(zhǔn)備在德國(guó)東部城市Drasden（德累斯頓，德意志聯(lián)邦薩克森州首府）投資11億美元（約10億歐元）建造一座新的芯片制造工廠。這將成為博世歷史上總額最大的一筆投資。 這座新的工廠落成以后，預(yù)計(jì)將為自動(dòng)駕駛汽車應(yīng)用的傳感器制造芯片，并將帶來約700個(gè)新的工作崗位。去年，博世曾經(jīng)和著名汽車制造商Daimler（戴姆勒）聯(lián)合宣布，將在2020年開始銷售自動(dòng)駕駛汽車。 MEMS傳感器、攝像頭、雷達(dá)傳感器、LiDAR傳感器以及激光掃描器等先進(jìn)的 智能傳感器 是自動(dòng)駕駛汽車開發(fā)的關(guān)鍵使能者。自2013年以來，博世一直在為MEMS信號(hào)處理開發(fā)特種電路。這座新投資的工廠預(yù)計(jì)將負(fù)責(zé)大規(guī)模制造這些特種電路。
據(jù)外媒報(bào)道，博世于2017年3月15日宣布，該公司正與英偉達(dá)（NVIDIA）公司開展合作，共同開發(fā)一款人工智能自動(dòng)駕駛系統(tǒng)，同時(shí)還推出一款超級(jí)芯片Xavier，旨在實(shí)現(xiàn)各類自動(dòng)駕駛?cè)蝿?wù)，相信未來該系統(tǒng)和芯片將被應(yīng)用于 大眾 市場(chǎng)（mass market）內(nèi)的各 車型 中。 博世昨日在柏林召開了集團(tuán)內(nèi)部的物聯(lián)網(wǎng)年度大會(huì)，博世CEO沃爾克馬爾·鄧納爾（Volkmar Denner）博士上臺(tái)發(fā)言，在名為“博世連通世界（Bosch Connected World）”的主題演講中透露了上述信息。 英偉達(dá)和博世正在共同研發(fā)一款人工智能自動(dòng)駕駛車用計(jì)算機(jī)，其基于英偉達(dá)的深度學(xué)習(xí)和先進(jìn)的軟硬件，幫助車輛學(xué)會(huì)并掌握復(fù)雜的操作，如：駕駛、自動(dòng)
深度神經(jīng)網(wǎng)絡(luò)是用于各種分類問題的機(jī)器學(xué)習(xí)算法的一個(gè)子集，包括圖像識(shí)別和機(jī)器視覺（由自動(dòng)駕駛汽車和其他機(jī)器人使用）、自然語言處理、語言翻譯和欺詐檢測(cè)。但心懷不軌的人可能會(huì)修改輸入，并使得算法運(yùn)行錯(cuò)誤。據(jù)外媒報(bào)道，為保護(hù)算法免受此類攻擊，密歇根大學(xué)（University of Michigan）的研究人員開發(fā)出強(qiáng)大的對(duì)抗性免疫啟發(fā)學(xué)習(xí)系統(tǒng)（Robust Adversarial Immune-inspired Learning System，RAILS）。 圖片來源：密歇根大學(xué) John H. Holland杰出教授、研究員之一Alfred Hero表示：“RAILS是第一種以適應(yīng)性免疫系統(tǒng)為模型的對(duì)抗性學(xué)習(xí)方法，該系統(tǒng)與先
汽車的攻擊 /
實(shí)現(xiàn) 自動(dòng)駕駛 的一大關(guān)鍵是，汽車可以準(zhǔn)確無誤地“看”到周圍的環(huán)境，并實(shí)時(shí)做出正確的決策。這不僅僅要求汽車內(nèi)帶有大量功能強(qiáng)大且細(xì)分的 傳感器 來感知環(huán)境，以及先進(jìn)高效的軟件系統(tǒng)來“思考”做決策，更需要的是所有可能街道的及時(shí)更新的地圖。在這場(chǎng)新移動(dòng)革命的眾多技術(shù)中，3D高清地圖已經(jīng)被車企、科技公司等眾多產(chǎn)業(yè)鏈參與者視作至關(guān)重要的功能。自動(dòng)駕駛浪潮引發(fā)的高清地圖大戰(zhàn)由此燃起。 挖掘高精地圖“金山” 在此之前的消費(fèi)級(jí)數(shù)字地圖競(jìng)爭(zhēng)中，谷歌曾是無可爭(zhēng)議的贏家，其贏得數(shù)字地圖大戰(zhàn)的關(guān)鍵是在全球范圍內(nèi)派出地圖街景車采集數(shù)據(jù)，此外它還擁有地圖導(dǎo)航公司、汽車廠商等無法匹敵的軟件技術(shù)。谷歌希望將這一成功延續(xù)到自動(dòng)駕駛時(shí)代。據(jù)彭博社報(bào)道，谷歌目前
地圖大戰(zhàn)正酣 各大巨頭企業(yè)挖掘高精地圖“金山” /
西門子推出PAVE360?投片前自動(dòng)驗(yàn)證環(huán)境，這是一項(xiàng)旨在促成并加快創(chuàng)新自動(dòng)駕駛車輛平臺(tái)研發(fā)的計(jì)劃。PAVE360提供多供應(yīng)商協(xié)同環(huán)境，全面覆蓋下一代汽車芯片研發(fā)生態(tài)。此外，PAVE360將數(shù)字化雙胞胎仿真拓展至處理器之外，包含汽車硬件和軟件子系統(tǒng)、整車模型、傳感器數(shù)據(jù)融合、交通流量、乃至智慧城市（即自動(dòng)駕駛車輛的未來行駛環(huán)境）仿真等。 “兩年前，Mentor和西門子強(qiáng)強(qiáng)聯(lián)合，結(jié)合雙方的人才、理念及技術(shù)，共同打造了一個(gè)創(chuàng)新流程，而 PAVE360 便是這一創(chuàng)新流程所取得的首項(xiàng)成果，”西門子旗下機(jī)構(gòu)Mentor公司IC驗(yàn)證解決方案事業(yè)部副總裁兼總經(jīng)理Ravi Subramanian說。“西門子PAVE360提供的綜合性計(jì)劃使我們
標(biāo)準(zhǔn)是各行業(yè)領(lǐng)域統(tǒng)一的技術(shù)要求，是一個(gè)行業(yè)規(guī)范化發(fā)展的基礎(chǔ)，推動(dòng)自動(dòng)駕駛汽車標(biāo)準(zhǔn)的制定非常有必要。目前，以ISO、SAE、UN WP.29為代表的全球化標(biāo)準(zhǔn)化組織機(jī)構(gòu)有針對(duì)性地出臺(tái)自動(dòng)駕駛相關(guān)標(biāo)準(zhǔn)，國(guó)內(nèi)工信部、國(guó)標(biāo)委、中國(guó)汽車工程學(xué)會(huì)等也牽頭制定了一系列的自動(dòng)駕駛相關(guān)標(biāo)準(zhǔn)。 總體而言，我們將自動(dòng)駕駛相關(guān)的標(biāo)準(zhǔn)和認(rèn)證劃分為五大類標(biāo)準(zhǔn)體系： 自動(dòng)駕駛分級(jí)、術(shù)語和定義標(biāo)準(zhǔn)； 自動(dòng)駕駛功能安全和預(yù)期功能安全標(biāo)準(zhǔn)； 汽車網(wǎng)絡(luò)安全和數(shù)據(jù)安全標(biāo)準(zhǔn)； 輔助和自動(dòng)駕駛系統(tǒng)標(biāo)準(zhǔn)； 自動(dòng)駕駛汽車質(zhì)量管理、準(zhǔn)入規(guī)范和測(cè)試認(rèn)證標(biāo)準(zhǔn)。 自動(dòng)駕駛分級(jí)標(biāo)準(zhǔn)持續(xù)完善中 汽車自動(dòng)駕駛分級(jí)、術(shù)語和定義標(biāo)準(zhǔn)提供了初始監(jiān)管框架，為汽車制造
汽車發(fā)展 /
1 RRT算法的簡(jiǎn)介 天下武功唯快不破，快是 RRT 的最大優(yōu)勢(shì)。RRT 的思想是快速擴(kuò)張一群像樹一樣的路徑以探索空間的大部分區(qū)域，找到可行的路徑。 RRT 算法是一種對(duì)狀態(tài)空間隨機(jī)采樣的算法，通過對(duì)采樣點(diǎn)進(jìn)行碰撞檢測(cè)，避免了對(duì)空間的精確建模帶來的大計(jì)算量，能夠有效地解決高維空間和復(fù)雜約束的路徑規(guī)劃問題。 與PRM類似，該方法是概率完備且非最優(yōu)的。可以輕松處理障礙物和差分約束（非完整和動(dòng)力學(xué)）的問題，并被廣泛應(yīng)用于機(jī)器人路徑規(guī)劃。 2 RRT算法原理 2.1 算法流程 （1）設(shè)定初始點(diǎn) 與目標(biāo)點(diǎn) ，自行設(shè)定狀態(tài)采樣空間 （2）進(jìn)行隨機(jī)采樣得到采樣點(diǎn) ，如果采樣點(diǎn) 在障礙物內(nèi)，則重新隨機(jī)采樣 （3）若不在障礙物內(nèi)，計(jì)算
RRT算法原理解析 /
及其技術(shù)應(yīng)用_第2版
數(shù)字調(diào)制解調(diào)技術(shù)的MATLAB與FPGA實(shí)現(xiàn)（Altera/Verilog版）
免費(fèi)領(lǐng)取｜Badger 2040，一款由樹莓派RP2040驅(qū)動(dòng)的可編程電子墨水顯示器
Littelfuse第2期 符合AEC-Q200 車規(guī)的保險(xiǎn)絲/熔斷器
有獎(jiǎng)直播：NXP 汽車系統(tǒng)電源管理開講啦，從功能安全架構(gòu)到新品FS26，預(yù)約有禮~
Teledyne e2v和英飛凌聯(lián)合推出用于高可靠性邊緣計(jì)算太空系統(tǒng)的處理器啟動(dòng)優(yōu)化方案
【2023年8月4日，德國(guó)慕尼黑和法國(guó)格勒諾布爾訊】英飛凌科技股份公司和Teledyne e2v聯(lián)合開發(fā)了一款計(jì)算密集型航天系統(tǒng)的參考設(shè)計(jì)。該設(shè)計(jì) ...
在8月4日的華為開發(fā)者大會(huì)2023（HDC Together）大會(huì)上，HarmonyOS 4正式發(fā)布。自2019年發(fā)布以來，HarmonyOS一直以用戶為中心，經(jīng)歷四年多 ...
華為開發(fā)者大會(huì)2023 （HDC.Together）今日召開，鴻蒙生態(tài)引領(lǐng)全場(chǎng)景時(shí)代
華為開發(fā)者大會(huì)2023（HDC Together）正式開啟，一文帶你了解全新鴻蒙世界（中國(guó)，東莞，2023年8月4日）2023年華為開發(fā)者大會(huì)（HDC Together ...
一、背景在空調(diào)安裝維修時(shí)，經(jīng)常使用鉗表測(cè)電流，使用方便快捷。在用鉗表測(cè)電流時(shí)，只需要將檔位打到適當(dāng)量程，然后鉗住被測(cè)電流的線路即可 ...
迷你音頻放大器電路每當(dāng)我們喜歡隨身攜帶音樂時(shí)，都會(huì)發(fā)揮作用。這種迷你音頻放大器將使音樂系統(tǒng)輕巧，并且可以從一個(gè)地方移動(dòng)到另一個(gè)地方 ...
站點(diǎn)相關(guān)：嵌入式處理器嵌入式操作系統(tǒng)開發(fā)相關(guān)FPGA/DSP總線與接口數(shù)據(jù)處理消費(fèi)電子工業(yè)電子汽車電子其他技術(shù)存儲(chǔ)技術(shù)綜合資訊論壇電子百科
