本篇文献提出了一种基于数字孪生模型的无人驾驶地面车辆( UGV )交叉口避碰规划与控制策略。建立了 UGV 的 DT 系统
JavaScript 作为当今最流行的编程语言之一，应用广泛，功能强大。本文从 JavaScript 的基础知识入手，逐步讲解了如何在浏览器和 Node.js 环境中运行代码。 学习了
本篇博客深入探讨了 JavaScript 中的基本数据类型，包括字符串、数组和对象。通过示例代码，展示了如何使用模板字符
本文是自动驾驶控制算法系列的第十二节，也是本系列的收官之作。这一节综合运用了前十一节的知
在本篇博客中，博主详细记录了如何提高Apriltag识别算法的检测频率，从最初的4Hz提升至满足与50Hz UWB定位数据融合
本篇博客介绍了 JavaScript 中的条件语句和循环语句的基本用法，适合初学者或需要复习基础知识的开发者。首先，通
本篇博客详细介绍了自动驾驶控制算法中的纵向控制，从软件设置到标定表的应用，再到PID控制器的整定和实际模型运行，我们
本系列博客《机器人数值优化》专栏的核心是通过理论与实践相结合，帮助读者快速掌握机器人领域的数值优化技
在使用 RoadRunner 进行场景编辑时，视角控制是一个重要的功能，能够帮助用户高效地导航和操控复杂的 3? 环境。通过上述方法，用户可以轻松地旋转、放大、缩小以及移动视角，从而准确定位和调整场景元素。掌握如何将视角框定在选定对象上以及根据光标位置调整视角，有助于提升工作效率。此外，用户可以根据需要切
在自动驾驶决策规划算法中，参考线是解决导航路径过长且不平滑问题的关键。通过截取全局路径中的一段较短路径并进行平滑处理，简化了障碍物投影和匹
在完成了 Carsim 模型中的油门和刹车标定后，能够更精确地控制车辆的加速和减速过程。通过采集不同油门和刹车条件下的速
在自动驾驶领域，Pure Pursuit纯跟踪算法作为一种高效的车道保持技术，备受关注。本文将带您深入解析Autoware开源项目中Pure Pursuit算法的实现细节，揭秘自动驾驶车辆如何精确追踪参考轨迹。通过讲解算法原理、实现步骤及优化策略，探索这一关键技术的精髓。
Stanley 算法是一种基于几何模型的轨迹追踪控制器，其设计理念是将参考点设置在前轮中心，而非传统的重心、质
本篇博客探讨了人工智能领域的最新趋势和发展。 首先，人工智能技术正从专门针对特定任务的垂直领域发展，转
本篇博客讲解了横向控制算法的优化，重点关注了进阶横向控制与基础横向控制之间的差异，以及如何通过卡尔曼滤波等方法
本篇博客详细介绍了三种鲁棒控制器的设计原理及其稳定性分析。首先，针对系统在目标轨迹跟踪问题中，提出了误差动态响应的公
本篇博客详细介绍了自动驾驶决策规划算法的仿真平台搭建过程，包括软件安装与配置、Prescan与Carsim联合仿
本篇博客主要介绍了自然坐标系与直角坐标系之间的转换，以及如何计算自动驾驶中的投影点、路径长度、车辆位矢、速度
本教程介绍了如何使用 ROS 进行相机标定和 Apriltag 识别。首先，安装了 usb_cam 驱动和 camera_calibration 功能包，并准备
本篇博客是一篇于电动汽车纵向控制的深度文章。文章首先介绍了纵向控制与横向控制的区别，指出纵向控制难度较低，需要补充汽车动力系
本篇博客讲数学基础部分中 Frenet 坐标系和笛卡坐标系之间的坐标转换，即直角坐标和自然坐标的转换。 本节
本篇博客深入探讨了OpenMV与AprilTag视觉定位技术。AprilTag是一种高精度的视觉基准标记系统，通过其在摄像机视野中的位置、距离和们了age库来识别AprilTag，并获取其相对于摄像机的坐标和旋转角度。
本篇博客详细介绍了如何使用Carsim和Matlab进行联合仿真。首先，确保Carsim的安装路径和数据库路径正确设置，这对于后续操作至侧偏角下的斜率，且应为负值。
本节博客详细介绍了自动驾驶控制算法的建模过程，涵盖了从Carsim设置到模型搭建的各个方面。通过配置Carsim软件，获取整车参数并计
本篇博客主要探讨了鲁棒控制中的滑模控制原理及其应用。介绍了鲁棒控制的英文含义及其重要性，以及其在面对有界误差时
在Ubuntu18.04上安装USB摄像头驱动usb_cam的方法主要有两种：源码安装和软件包安装。源码安装方法需要从GitHub下载usb并通过添加FFmp
本博客详细介绍了基于STM32的智能物流仓储管理系统的项目实战过程。文章从项目原型、思路、参考、方案、硬件结构、技
本篇博客是 自动驾驶控制算法 系列的第七节。内容整理自 B站知名up主 忠厚老实的老王 的视频，作为博主的学习笔记，分享
本篇博客是 自动驾驶控制算法 系列的第八节第Ⅰ部分。内容整理自 B站知名up主 忠厚老实的老王 的视频，作为博主的学习笔记，分享给大
本篇文章提出了一种基于分层结构的无人地面车辆纵向控制系统。 上层控制器：引入无终端约束的模型预测控制算法作为上层控制器，计算期望加速度。 下层控制器：通过建模实验，建立了驱动力表(DFT)来表征车辆的油门开度、速度和驱动力之间的关系。 此外，为了提高系统的抗干扰能力，提出了一种基于DFT的前馈控制器，将期望加速度转化为期望节气门开度.综合建模误差和外界干
Copyright © 2005-2024 51CTO.COM 版权所有 京ICP证060544号
