vo在自动驾驶中的应用(二)
课本中的LK光流比较老,已经是二十多年前的东西了 。 前端中图像的处理存在差异,所以有光流法和特征点法,后面的处理理论和方向都是比较明确的。
提问环节:
1、kitti属于2012年的数据集,如果用更先进的算法估计出的轨迹就是groudtruth不一样,那么这个轨迹是否更准确?
答:完全可能,因为groundtruth在测量时,用的RTK等传感器测量(IMU),RTK信号比较好,但是也有可能在过隧道这样的地方时,信号变差,获取groudturth并没那么准确。
2、VO,VIO,LO,LIO在一些场景中无法解决定位建图问题,如比较空旷的场景,比较多的人用语义SLAM在做,可以谈谈SLAM未来的应用趋势么?
答:主要看领域,学术领域这两年研究语义SLAM比较多,主要方式是把物体提出来构建在地图中,在地图中用物体作物体级的重定位,回环检测,并没有直接应用,硕士和博士可以做这方面的。工业领域更多应用到的是结合深度学习的大规模算法,空旷场景可以使用RTK+IMU进行精确定位,路面也是有纹理的,因此视觉SLAM问题也不大,雷达SLAM可以用反射类来做,操场级别的空旷场景是没有问题,雷达的范围较大,可以达到六七十米。
3、实际应用中在空旷场景中会出现视觉绕死的情况
答:工业上一般都是通过扩展视野来解决视觉绕死的问题,不需要修改算法。
4、视觉经常在弯道出出现绕死的现象,除了添加IMU信息来解决,还有什么其他方法。
答:车载可用的传感器有很多,可以添加DR和RTKa,做一个多传感器融合。飞机的话只能使用VIO,顶多加一个RTK。
5、针对不同场景传感器的问题(传感器失效与切换,传感器容错率),您能谈谈目前多传感器融合技术发展到哪一步?
答:程序写的硬一点,可以直接用if-else写,判断失效条件,实现传感器的切换。软一点的是直接写入到滤波器或者是图形化的框架中,各个传感器融融合在一起,传感器失效时可以放大信号,传感器切换也没那么僵硬。
这两块都是需要大量调参,失效条件,失效后如何处理,和估计的比较咋样,都需要调参。现在主流的是卡尔曼滤波+卡方(没听清)的检测,检测的比估计差很多就不融进来。
6、深度学习SLAM方法和语义SLAM哪一个更好发论文?
答:这两方面都比较好发,尤其是深度学习的,都是一些流水线的东西,修改一下网络,最后实现的效果比别人的好就可以发论文,也不太需要说出个所以然的。
7、也没有把视觉和雷达融合在一起做SLAM的方法?
答:有的,松耦合比较多,视觉和雷达先各算各的,然后再通过滤波器或者优化框架来实现融合。
8、软件定义汽车目前的问题以及下一步的发展方向?SLAM是否也为软件定义汽车的一个方向?
答:是的,智能化,车辆保持、智能泊车等一大部分功能主要是靠相对定位来实现的,绝对定位主要是靠RTK或者点云定位。现在还有很多人做在线高精度地图与定位,但是有人质疑可靠安全性。比较重要的方向是让这个车的行为更像一个人,在没有高精度地图的时候,这个车在行驶中,一边定位,一边获取周围更高级的信息,如推出局部地图,识别车道往左往右等这些高精度地图中的标识信息,目前这个方向处在一个发展阶段。
9、地下车库泊车时没有信号如何泊车?
答:分两种,第一种是把车开在停车位附近,然后再泊车,这个需要小范围的局部建图实现,有人在做,但是目前还没有量产。另外一种是从地下车库入口开始自动泊车,因为车型不确定,地下车库又是第三方的没有地图,因此想要停放到指定位置是比较麻烦的,目前还没有实现,需要几年的时间,但是可以做demo,首先用雷达在地下车库跑一圈完成建图后,再进行指定位置的泊车,这个目前是可以实现的。
10、evo工具中的绝对误差与相对误差的概念
答:相对估计误差,分段检测(1000米分十段,一般适用于VO);绝对轨迹误差,整段检测(1000米整段检测,适用于带回环的的SLAM)。
11、在动态场景下的定位是用传统的方法还是机器学习的方法,或者是与传感器有关
答:主流做法是先用感知识别出物体,然后再抠掉这个物体。在自动驾驶中,可以先通过python或者yolo把动态的物体识别出并扣掉,让特征点不能落在这片区域,这样的研究已经做了很多年了,现在主要是研究动态物体相对与自身的运动情况。物体本身是具有语义的,因此物体的提取还是可以用深度学习来做。
vo在自动驾驶中的应用(二)相关推荐
- vo在自动驾驶中的应用(一)
观看高翔博士的视频,了解vo在自动驾驶中的作用 一.高速VO/LO的一些讨论 小节: 1.VO(visual odometry)指的是视觉里程计,作用是通过两帧相邻的图片来估计机器人的位姿变化. VI ...
- Bezier(贝塞尔)曲线的轨迹规划在自动驾驶中的应用(二)
根据(一)中的理论前提,我们通过matlab进行一次仿真验证: clcclear allp0 = [ 0, 0];p1 = [10,0.5];p2= [20,3.5];p3 = [30,4];%设置控 ...
- 深度学习技术在自动驾驶中的应用
在过去的十年里,自动驾驶汽车技术取得了越来越快的进步,主要得益于深度学习和人工智能领域的进步.作者就自动驾驶中使用的深度学习技术的现状以及基于人工智能的自驱动结构.卷积和递归神经网络.深度强化学习范式 ...
- 自动驾驶中的车道线跟踪技术
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 本文转自:AI算法与图像处理 本文讨论的重点跟踪算法如何应用在车道 ...
- 计算机视觉方向简介 | 自动驾驶中的车道线跟踪技术
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文转自|人工智能与算法学习 本文讨论的重点跟踪算法如何应用在车道线 ...
- 综述|寻找自动驾驶中的关键场景
作者丨黄浴@知乎 来源丨https://zhuanlan.zhihu.com/p/426572273 编辑丨3D视觉工坊 arXiv在2021年10月16日上传论文"Finding Crit ...
- 点云学习在自动驾驶中的研究概述
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 自动驾驶公司的发展 有关自动驾驶的研究最早可以追述到2004年的DARPA Grand Challen ...
- 【综述专栏】自动驾驶中可解释AI的综述和未来研究方向
来源:知乎-黄浴地址:https://zhuanlan.zhihu.com/p/453146210 在科学研究中,从方法论上来讲,都应"先见森林,再见树木".当前,人工智能学术研究 ...
- 自动驾驶中的机器学习
出品:CSDN(ID:CSDNnews) 作者:Denis Chikurtev 译者:马超 责编:晋兆雨 以下为译文: 近年来,自动驾驶技术技术的发展速度非常快.预计达到完全自动驾驶L5的程度 ...
最新文章
- IOS开发学习笔记(1)
- 移动端网站优化也不容小觑!
- 谁的python入门教程好_怎样学习Python?Python入门必看
- 内置函数、匿名函数,递归函数
- UOJ #297. 一样远
- 小游戏一键跳转小程序任意页面
- visual studio输入法打不了中文_(四)让人纠结的双拼输入法,以及承载它的那些输入法们(下)...
- 新疆财大计算机科学,新疆财经大学计算机科学与工程学院学生参加了多项专业赛事...
- 虚拟机Linux IP地址更改
- 偏最小二乘法(PLS)Python代码
- 读《因果的真相》第五章摘抄笔记
- 微信小游戏破解(2)之《我要猫咪》
- 计算机未连接到网络,电脑无法连接到网络的处理办法
- oracle timeatamp,oracle12c_Temporal Validity
- Improved 3D Object Detector Under Snowfall Weather Condition Based on LiDAR Point Cloud
- 逻辑门电路PROTUES仿真
- 梦幻无穷的幻灯片切换效果
- Java MD5和SHA256等常用加密算法
- 使用jquery判断是否为数字
- java面试题总结算法问题
热门文章
- NPOI在Excel中的简单用法汇总
- 【MacBook python画图显示中文字体】
- 制作购物网页设计(html+css)
- Knowledge Distillation 知识蒸馏详解
- 程序员去国企面试,看到工作环境后:给多少工资也不去,评论炸锅
- B类接口(淘宝api)
- 通信系统的“永动机”—— 通信电源
- lammps教程:高熵合金建模备用方法
- 车机安卓4.4刷机包_一加5/5T机型获得氢OS公测版内测-基于安卓10底层新版刷机包...
- R语言零基础基因/数据差异分析(二)