麦溪·在路上

[TOC] 概述方法一、docker pull mongo查找Docker Hub上的mongo镜像 123456789101112frewen@bogon  ~  docker search mongoNAME DESCRIPTION STARS OFFICIAL AUTOMATEDmongo MongoDB document databases provide high avai… 6295 [OK]mongo-express Web-based MongoDB admin interface, written w… 543 [OK]tutum/mongodb MongoDB Doc ...

[TOC] 概述问题一：docker内使用ffmpeg的硬件加速模式报错：Cannot load libnvcuvid.so.1 文章参考：https://www.jianshu.com/p/8348b7cf49d6 问题二：编译出现问题： 123docker: Error response from daemon: failed to create task for container: failed to create shim task: OCI runtime create failed: runc create failed: unable to start container process: error during container init: error running hook #0: error running hook: exit status 1, stdout: , stderr: Auto-detected mode as 'legacy'nvidia-container-cli: ldcache error: open failed ...

[TOC] 概述文章参考：https://www.rstk.cn/news/18889.html?action=onClick 文章参考：https://bbs.xiaopeng.com/article/212951 文章参考：https://www.leiphone.com/category/transportation/SaiLjC9OApbcIx7Z.html 文章参考：https://www.rstk.cn/news/18889.html?action=onClick 关于车位识别技术，包括两种：一种是空间车位，利用超声波检测；另一种是线车位，通过摄像头检测。 一般由泊车域控制器+12超声波传感器+4个鱼眼相机+EPS(转向执行器）+ESP（制动执行器）+HU(中控显示）等组成 空间车位水平空间车位水平空间车位如下图所示。车位长x0为车长+Δx_p，车位宽度为y0为车宽+0.2m。在该场景下，APS系统需要考虑有无侧方参照物。如果存在侧方参照物，那么泊车姿态需要参考侧方参照物。如果不存在，则需要参考两侧的参考车进行泊车姿态的描画。该标准中只定义了最基本的场景，具体的用户场景可 ...

[TOC] 概述文章参考：https://www.guyuehome.com/ 文章参考：https://zhuanlan.zhihu.com/p/44787066 SLAM是Simultaneous localization and mapping缩写，意为“同步定位与建图”，主要用于解决机器人在未知环境运动时的定位与地图构建问题，为了让大家更多的了解SLAM，以下将从SLAM的应用领域、SLAM框架、SLAM分类（基于传感器的SLAM分类）来进行全面阐述，本文仅对没有接触过SLAM的新人进行的科普。 应用领域机器人定位导航领域：地图建模。SLAM可以辅助机器人执行路径规划、自主探索、导航等任务。国内的科沃斯、塔米以及最新面世的岚豹扫地机器人都可以通过用SLAM算法结合激光雷达或者摄像头的方法，让扫地机高效绘制室内地图，智能分析和规划扫地环境，从而成功让自己步入了智能导航的阵列。国内思岚科技(SLAMTEC)为这方面技术的主要提供商，SLAMTEC的命名就是取自SLAM的谐音，其主要业务就是研究服务机器人自主定位导航的解决方案。目前思岚科技已经让关键的二维激光雷达部件售价降至百元，这 ...

[TOC] 概述自动驾驶等级介绍L0：人工驾驶，驾驶员执行全部的驾驶任务，主要是一些预警和提示功能，常用的传感器有摄像头（前视、环视、座舱等）、毫米波雷达、超声波雷达。 L1：辅助驾驶，在适用的设计范围下，驾驶自动化系统（driving automation system）可持续执行横向或纵向的车辆运动控制的某一子任务（不同时进行），驾驶员负责执行其他的动态驾驶任务。提供辅助和控制的功能（偏辅助），常用的传感器有摄像头、毫米波雷达、超声波雷达。 L2：部分驾驶自动化，在适用的设计范围下，驾驶自动化系统（driving automation system）可持续执行横向或纵向的车辆运动控制任务（不同时进行），驾驶员进行周边监控并监督驾驶自动化系统。L2级别及以下以驾驶员操控汽车为主，驾驶系统主要提供辅助功能。提供辅助和控制的功能（控制功能增多），常用的传感器有摄像头、毫米波雷达、超声波雷达。 L3：有条件驾驶自动化，在适用的设计范围下，自动驾驶系统（Automated Driving System，ADS）可持续执行完整的动态驾驶任务，驾驶员需要在系统失效时接受系统的干预请求，及时作出响 ...

[TOC] 概述LiDAR(Light Detection and Ranging)，是激光探测及测距系统的简称，另外也称Laser Radar 或LADAR(Laser Detection and Ranging) 。 用激光器作为发射光源，采用光电探测技术手段的主动遥感设备。激光雷达是激光技术与现代光电探测技术结合的先进探测方式。由发射系统、接收系统 、信息处理等部分组成。发射系统是各种形式的激光器，如二氧化碳激光器、掺钕钇铝石榴石激光器、半导体激光器及波长可调谐的固体激光器以及光学扩束单元等组成；接收系统采用望远镜和各种形式的光电探测器，如光电倍增管、半导体光电二极管、雪崩光电二极管、红外和可见光多元探测器件等组合。激光雷达采用脉冲或连续波2种工作方式，探测方法按照探测的原理不同可以分为米散射、瑞利散射、拉曼散射、布里渊散射、荧光、多普勒等激光雷达。 LIDAR基本原理light detection and ranging简称LIDAR,一般称为激光雷达。如图1所示，LIDAR是一种主动测量方式，主要有激光发射部分、接收部分组成、信号处理部分组成。（相机就是一种被动式测量，只 ...

[TOC] 文章参考：https://zhuanlan.zhihu.com/p/268884807 文章参考：https://www.guyuehome.com/35243 概述关于自动驾驶车道线拟合算法，常用的方法有B样条、三次样条插值、Ransac、最小二乘法等等，但是针对于高精度地图的车道线拟合，由于车道线坐标点已知，所以不需要有控制点进行约束，那么B样条贝塞尔曲线等都不太适合；三次样条插值曲线每两个坐标点都拟合一组参数，如果高精度地图为20cm一个点的画，那么100m的道路一条车道线就将有500组参数，对于性能是不乐观的；而Ransac更适用于散点拟合，对于已知的有序点再进行多次迭代也是耗费性能的，所以目前还是以最小二乘法为主流方案。 关于普通最小二乘法（Ordinary Least Square，OLS）：所选择的回归函数应该使所有观察值的残差平方和达到最小。对于线性一次函数的车道线数据，在拟合函数时，可以先假定函数的通用表达式，一般车道线是以一系列的有序经纬度坐标点集组成。 首先将数据转换为UTM84坐标系后，分为横坐标（自变量）为 ，观测值（因变量）为： 目前的主 ...

[TOC] 概述文章参考：https://blog.csdn.net/u011362822/article/details/95894836

[TOC] 概述文章参考：https://blog.csdn.net/u011362822/article/details/95899780

[TOC] 文章参考：https://xiaotaoguo.com/p/mapping_coordinate_systems/ 文章参考：https://zhuanlan.zhihu.com/p/59743409 文章参考：https://zhuanlan.zhihu.com/p/99772254 概述无人驾驶定位中常用到八大坐标系： ECI地心惯性坐标系第一个叫做eci地心惯性坐标系，这个坐标系 （如图，红色o-xyz坐标系所示，低新惯性坐标系（i系）的原点位于地球原点，z轴沿地轴指向北极，x轴和y轴位于赤道平面内，与z轴满足右手法则，并且x轴和y轴分别指向两个恒星） 世界坐标系实际情况中，无人汽车可能会多次经过同一区域进行定位和建图。导航坐标系的原点每次都不一致，显然不符合需求。因此需要有全局测量获得汽车在地球上的绝对位置，从而引出世界坐标系的概念。世界坐标系通常囊括整个地球范围，且原点固定在地球某处（地心），按其形式有地心坐标系和迪卡尔坐标系。由于地球本身是一个（椭）球体，因此从地心坐标系转换到迪卡尔坐标系需要遵循某种投影方式，中间会涉及到失真和变形的问题。 utm坐标系文章参 ...