democheng Blog

Just do it.

自动驾驶-规划-现代导航工程实现要点

path planning, Popular science

说明 这篇博客主要讨论交通网络中的路径规划问题,学术上和工程上找到比dijkstra algorithm更快、更实用的算法。 介绍 这里的路径规划定义为:已知路网,给定起点和终点,选择最合适的一条路径。 假设路网、任意两个节点的cost都是静态不变的,对于一个有向图: 有n个节点(node),m条边(edge), 一条边 的非负权重是 现在我们要检索从起点s到终点t的最短的...

概率论-马尔科夫-总篇

probability, Markov

简介 马尔科夫是前苏联著名的数学家,因马尔科夫链(Markov chains)和马尔科夫过程(Markov processes)而出名。 PS:虽然Markov chains和Markov processes)都指向的是维基百科的Markov chains,在introduction里面,有两者的详细区分,这里把表格搬运一下:   离散状态空间...

自动驾驶-规划-路径规划算法-科普篇

path planning, Popular science

深度优先搜索(deep first search) 广度优先搜索(breadth first search) dijkstra算法(dijkstra algorithm) A星算法(A star algorithm) 动态规划算法(dynamic programming) 路径平滑算法(path smoothing)

自动驾驶-目录

self-driving, Popular science, Content

新的篇章(new start) 从本篇博客起,会以自动驾驶为专题,写一系列博客,每个篇章分为三级:科普篇,公式篇,拓展篇,(传感器篇): 科普篇:用更多的动图,更少的公式,更形象的例子,解释最基本的原理; 公式篇:推导最基本的公式; 拓展篇:介绍该算法可以用在哪些领域,有哪些代表性的论文,同时推荐github上相关的热门项目; 传感器篇:介绍该算法可能使用到的传感器; ...

自动驾驶-定位-粒子滤波-科普篇

Particle Filter, localization for self-driving, Popular science

最简单的直方图滤波示例(naive demo for Particle Filter) 我们先抛开历史简介,抛开数学推导,先来看看最简单的Particle Filter的示例(如下图所示):

自动驾驶-定位-直方图滤波-科普篇

Histogram Filter, localization for self-driving, Popular science

最简单的直方图滤波示例(naive demo for Histogram Filter) 我们先抛开历史简介,抛开数学推导,先来看看最简单的Histogram Filter的示例(如下图所示): 直方图滤波简介(intro to Histogram Filter) 现在用大白话来翻译一下Histogram filter(直方图滤波)的示例: 蓝色:机器人真正的”位置”...

自动驾驶-定位-卡尔曼滤波-科普篇

Kalman Filter, localization for self-driving, Popular science

最简单的卡尔曼滤波示例(naive demo for Kalman Filter) 我们先抛开历史简介,抛开数学推导,先来看看最简单的Kalman Filter的示例(如下图所示): 卡尔曼滤波简介(intro to Kalman Filter) Kalman filter(卡尔曼滤波),使用一系列”包含统计噪声和不确定性的观测值”,来估计未知的状态的联合概率分布,这种算法...

gcov, lcov代码覆盖率工具使用说明

code cut

gcov gcov是linux下进行代码覆盖测试的工具,随着gcc一起发布。 lcov lcov是gcov的图形化前端工具,根据gcov生成的内容,处理成一颗完整的html树,包括概述、覆盖率百分百、图标等轻便直观的内容。 添加到CMakeList.txt 在根CMakeList.txt中添加ENABLE_GCOV选项: OPTION(ENABLE_GCOV "Enable gcov...

不用任何公式告诉你什么是增强现实(AR)

naive tutorial to argumented reality

目标 不用任何公式告诉你什么是增强现实(AR) 目录 本次(不严谨的)科普大约分为四个部分: AR一瞥:展示一个AR样例,然后简单地对其进行技术讲解,提出该样例需要解决的问题; 庖丁解牛:将这些问题数学模型化,模块化; 图文并茂:看图说话,保证不涉及任何公式; 参考文献:除了参考文献,还有笔者在自学过程中,发现的有价值的,容易理解的文档,课程; 本文使用...