前言 由于是古月居的助教,有幸能够参与到旭日x3 派的试用活动当中,同时鉴于树梅派、Jetson Nano等AI开发板及芯片多数为外国厂商且价格逐渐水涨船高,也希望为国产AI开发板及国产芯片的贡献一点微不足道的力量。 开发环境 个人笔记本电脑为系统为ubuntu18.04(无windows),处理器为Intel i5 11代 开发参考 依次点击地平线官网->开发者社区->旭日
前言 旭日x3派具有较为丰富的外设,具体对照如下下面将利用官方测试历程(/app/40pin_samples/下)及开源的逻辑分析仪进行简单的验证测试 NanoDLA逻辑分析仪linux下采样频率最高24Mhz 开源软件PulseViewhttps://github.com/wuxx/nanoDLA有linux版本,但不支持arm架构(采用APPIamge打包可以直接在linux x64
CMakeLists 增加 find_package(catkin REQUIRED COMPONENTS cv_bridge)
可以参考下,A two-stage approach for road marking extraction and modeling using MLS point clouds.斑马线的话可以作为一个整体去做模板匹配,而不是但个短线.
Automatic Road Markings Extraction Classification And Vectorization Mobile From Laser Scanning Data对应代码跑了下自己的数据,比论文效果差很多
用cheese (sudo apt-get install cheese)看一下是否有图片,如果是用的虚拟机注意下VM右下角的摄像头图标是否被点亮,https://blog.csdn.net/huhuandk/article/details/90451033
建议有个ros相关的实操项目,边做边学可能比较快
算法层主要定位感知了,可以参考下浙江大学FAST LAB一些工作。
两个雷达发布各自信息,接收到后根据相对位置和相对时间戳合并成一簇点云
NUC
看一下有没有添加头文件#include <boost/filesystem.hpp>
通常利用rosserial通过串口下发到下位机 rosserial库的用法可以参考官方库 http://wiki.ros.org/rosserial
支持
可能是激光雷达载体没有在运动,可以看一下odom数据的变化
sudo mkdir
B站黑马程序员c++教程不错
能量最小可以理解为加速度改变量最小,可以参考运动规划中minimum snap的思想理解
https://developer.horizon.ai/api/v1/fileData/documents_pi/Quick_Start/Quick_Start.html#id2参考官方手册,旭日X3派开发板采用TF存储卡作为系统启动介质,推荐使用至少8GB容量、速率C10以上的TF存储卡,以便满足Ubuntu系统及更多应用功能包对存储空间的需求。
好文
个人的一些浅见:读取到GNSS数据,通过GeographicLib将经度纬度转换为东北天坐标系下的里程数据通过路径规划算法规划出一条通过各个点的路径轨迹跟踪去跟踪所规划出的路径,并下发速度命令至下位机
有可能是tf卡的问题,建议试下闪迪带c10标识的tf卡
以搭载2D激光雷达的机器人举例:1.手动操控机器人运行slam算法建图2.导入已建好的地图,利用amcl等算法进行定位,作为运动规划起点3.手动设置或者由决策模块给出终点,作为运动规划的终点4.规划模块根据起点、终点、已知的静态地图、由激光雷达扫描而来的局部动态地图开始规划任务5.规划算法通过串口等协议下发速度指令至下位机控制器执行速度闭环
可以参考下<<视觉SLAM十四讲>>
推荐nuc
通常情况下map采用的消息类型为OccupancyGrid1.地图数据从(0,0)开始,按行排列2.占用概率为[0,100]对应像素颜色由白色到黑色,0表示完全自由,100表示完全占有,-1表示未知(参考自官网文档 https://docs.ros.org/en/melodic/api/nav_msgs/html/msg/OccupancyGrid.html)
积分
粉丝
勋章
第三方账号登入
看不清?点击更换
第三方账号登入
QQ 微博 微信