前两周工作总结

标签：style   使用   sp   文件   数据   div   on   问题   代码   

1. 比赛前一天，用6个laser进行试验，其中上方三个雷达，专门用于扫描马路边缘信息。第二天，用的是底下三个雷达。
2. 雷达配置介绍：
   1. 底下三个雷达，主要是为了智能车在按导航轨迹行走的过程中，不碰撞到马路边缘，其中左右两个雷达是为了检测马路边缘的，但

   有一个不好的地方在于：这种配置离障碍物过近，会失效。有一段距离反而效果还行。

   1. 上方三个雷达，主要是用于马路边缘检测。理论上讲 用一个8线足矣，但为了马路边缘识别效果显著，故又增加两个4线雷达。相当于16线激光雷达，这样跳变点个数会增加，便于检测。使用的主要算法ransac算法，原理就是从不规则点集当中找到规则的模型。
   2. 上下雷达交错的布局方式会带来一个问题：object检测与跟踪会出问题。有时候会造成误判。而且，尤其是上下坡的过程中，尤其会出问题。
   3. 对于雷达延时的问题：官方解释是，传输方面的问题。个人不敢苟同，但很有可能是上下雷达交错配置造成的。
   4. 之前，之所以用雷达融合设备，一个好处在于我不用写代码去人为的矫正它，而只需要配置文件即可。
   5. 关于雷达标定再啰嗦个两句，最好找一个墙去标定。让两个目标成为一个目标即可。

      ?

      ?

关于64线激光雷达：

1. 多帧叠加程序未完成。
2. 解析程序有问题，假如每帧数据13.3w个point，且每帧角度为1.08°，则 360/1.08 = 333圈。
3. 障碍物检测算法改进：检测平面。则平面以上全是障碍物。
4. 跟踪算法没搞定，用的是kalman，不过聚类算法有问题。
5. 对于三维数据的分类，最近邻失效，用k-means,建议先用k-means，然后再用最近邻，找到聚类之后的障碍物簇的质心。质心的选取很重要。
6. 64线激光雷达，还可以做车道线识别，主要用多帧叠加实现，可以认为是局部slam，后期会把此算法细化。必须搞清楚。

   ?

   ?

   关于开题：马路边缘检测算法的难点在哪？

   1. 信息量的多少。
   2. 是否利用导航信息。当导航信息无效怎么办？
   3. 激光雷达的选取。

      ?

      ?

      下面我谈谈个人的感受：

1、8线激光雷达若是不利用导航信息，光用8个跳变点做边缘检测。分两种情况：假定车与边缘在一个角度内，检测结果可以接受。假定车在弯道内，曲率不是很大的时候可以检测，曲率大则不行。

2、8线激光雷达，若是利用导航信息，且导航信息有效的情况下，做多帧叠加，效果很好。把前n帧数据投影到当前帧下，然后进行边缘检测

3、64线激光雷达，无论利不利用导航信息，其检测效果都还可以，主要原因是因为它的覆盖面很广。总共有64层。我们在数据集中可以体现出来。

4、64线激光雷达，利用导航信息，我们可以做车道线识别，这个不受光线影响，这个效果还不错。有待研究。

?

前两周工作总结

标签：style   使用   sp   文件   数据   div   on   问题   代码   

原文地址：http://www.cnblogs.com/zhuxuekui/p/4106706.html