無人駕駛是多個技術的整合，其中包羅感測器，深度學習，定位，路徑規劃，障礙物檢測與規避，機械控制，系統的整合與優化，高精度地圖，其中gps用於定位，光學雷達用於定位和障礙物檢測，照相機用於深度學習物體識別，以及定位輔助。
感測器獲取資料後，首先利用卡爾曼濾波或粒子濾波器，對感測器資訊進行融合，並得出最大概率的位置。全域性路徑規劃用a*演算法，本地路徑規劃用dwa演算法
物體的識別與跟蹤
利用深度學習演算法，可以識別行人，交通燈，車輛，我們需要跟蹤這些物體，防止，以達到防止碰撞的目的，運用optical flow演算法（利用兩幅影象的之間的對應關係，siamese網路結構演算法，用兩個共享權值，完全想的的神經網路，兩個輸入，乙個輸出，判斷輸出的相似性。）mot演算法（識別和追蹤多個目標）
車輛本身的定位，基於拓撲與地標（把所有的地標做成乙個拓撲圖，當檢測到某個地標時，可大致推斷位置），基於幾何的視覺里程演算法。（根據多幀之間的對應關係，推算出車輛的運動，根據之前車輛的位置，大致推出車輛位置）刪除線格式
無人駕駛汽車
無人駕駛汽車是智慧型汽車的一種，也稱為輪式移動機械人，主要依靠車內的以計算機系統為主的智慧型駕駛儀來實現無人駕駛的目標。據湯森路透智財權與科技最新報告顯示，2010年到 2015年間，與汽車無人駕駛技術相關的發明專利超過22,000件，並且在此過程中，部分企業已嶄露頭角，成為該領域的行業領導者。無人...
低速無人駕駛
低速無人駕駛 現狀 感知層 決策層 控制層。過去在無人駕駛的技術落地問題上，業內大多討論的是端對端的控制問題，但在實際場景下，低速無人駕駛要解決的是複雜的動態全流程問題。因此如何通過人工智慧或者深度學習的方法解決感知 決策和控制的全流程問題，是目前技術發展上的乙個難點。感測方案從雷射感知進一步拓展到...
無人駕駛汽車
21世紀是資訊網路時代，在這個時代，隨著人工智慧的不斷發展，人們逐漸把許多以前的不可能事件變成了現實。我們都知道，無人駕駛汽車是一種智慧型汽車，主要依靠車內以計算機系統為主的智慧型駕駛儀來實現無人駕駛。其利用車載感測器來感知車輛周圍環境，並根據感知所獲得的道路 車輛位置和障礙物資訊 控制車輛的轉向和...