MATLAB
-
基于MATLAB&SIMULINK开发自动驾驶系统:根据地面实况对车道边界检测进行评估和可视化
这个例子展示了如何根据已知的地面真值评估车道边界检测的性能。在本例中,您将通过计算拟合度来描述每帧车道边界检测算法的性能。此测量方法可用于确定、可视化和理解底层算法中的故障模式。37.1 概述随着人们对基于视觉的自动驾驶问题解决方案的兴趣越来越大,能够评估和验证检测算法的准确性变得非常重要
-
基于MATLAB&SIMULINK开发自动驾驶系统第三十六讲:根据地面实况数据评估车道边界检测情况
这个例子展示了如何将地面真实数据与车道边界检测算法的结果进行比较。它还说明了如何使用这种比较来调整算法参数以获得最佳检测结果。36.1 概述地面真实数据通常以图像坐标提供,而边界则以车辆坐标系建模。比较两者涉及到坐标转换,因此在解释结果时需要格外小心
-
基于MATLAB&SIMULINK开发自动驾驶系统第三十四讲:使用语义分割进行自动真值标注
本讲主要是讲如何使用预先训练好的语义分割算法来分割图像中的天空和道路,并使用该算法在真值标注应用程序中自动进行地面真值标注。34.1 Ground Truth Labeler应用程序良好的地面真实数据对于开发自动驾驶算法和评估其性能至关重要
-
基于MATLAB&SIMULINK开发自动驾驶系统第五讲之扩展卡尔曼滤波
当物体运动遵循非线性状态方程或测量值是状态的非线性函数时,使用扩展卡尔曼滤波器。一个简单的例子是,当物体的状态或测量值是以球面坐标计算的,如方位角、海拔和范围。5.1状态更新模型扩展的卡尔曼滤波公式将状态方程线性化
-
基于MATLAB&SIMULINK开发自动驾驶系统第四讲之线性卡尔曼滤波
卡尔曼滤波是目前行业中做感知算法和感知融合算法必用的算法,因此小明师兄和大家一起来学习一下。当使用卡尔曼滤波器跟踪物体时,会使用一连串的探测量或测量量来构建物体运动的模型。物体运动是由物体状态的变化来定义的
-
基于MATLAB&SIMULINK开发自动驾驶系统第三讲之鸟瞰范围内可视化传感器数据和物体跟踪
Bird's-Eye Scope可将来自Simulink模型的信号可视化,这些信号代表了驾驶场景的各个方面。使用该鸟瞰视图,可以分析:- 视觉、雷达和激光雷达传感器的传感器覆盖率。- 传感器探测的周围目标和车道边界
-
基于MATLAB&SIMULINK开发自动驾驶系统第二讲之地面真值标签与验证
2.1 开始使用Ground Truth LabelerGround Truth Labeler 应用使 能够在视频、图像序列或激光雷达点云中交互式地标示地面真值数据。使用该应用程序,可以同时标记多个信号,例如从安装在车辆上的摄像头和激光雷达传感器获得的数据
-
基于MATLAB&SIMULINK开发自动驾驶系统第一讲之传感器配置和坐标系转换
1.1 自动驾驶工具箱中的坐标系统自动驾驶工具箱使用这些坐标系:- 世界坐标系:一个固定的通用坐标系,所有的车辆及其传感器都被放置在这个坐标系中- 车辆坐标系:锚定在被控车辆上。通常情况下,车辆坐标系放在后轴中点正下方的地面上
最新活动更多 >
-
11月起立即报名>> 光电类专业2025年秋季空中双选会
-
11月22日立即报名>> 【线上&线下同步会议】领英 跃迁向新 年度管理者峰会
-
11月28日立即报名>>> 2024工程师系列—工业电子技术在线会议
-
11月29日立即预约>> 【上海线下】设计,易如反掌—Creo 11发布巡展
-
即日-11.30免费预约申请>>> 燧石技术-红外热成像系列产品试用活动
-
11月30日立即试用>> 【有奖试用】爱德克IDEC-九大王牌安全产品