第十五届全国大学生智能车竞赛室外光电组线上选拔赛比赛流程 1、线上选拔赛将采取腾讯会议直播与电脑录屏结合的方式进行比赛和监督。 2、全国134支队伍将被分成7组,同时开始线上选拔赛。需要在手机上提前下载腾讯会议以及电脑端提前下载好录屏软件,电脑录屏建议软件为:Kazam,参赛同学网上自行下载。 录屏以及直播时不允许同时直播以及录制两台显示器,既录制的视频中只允许录制一台显示器上的
前言 本来这期内容是讲解我们设计的仿真思路的,但是为了不影响比赛公平性,这部分内容就放在提交代码之后啦~~ 这两天很多同学问了我很多问题,其中比较多见的问题就是对TEB的参数如何整定,很多人不知道从何入手,也不知道自己车的现象是哪些参数导致的。所以这期就来讲解一下TEB算法和DWA算法的区别,以及如何去调节TEB的参数。 正文 由于去年的比赛和今年的比赛我们使用的规划算法不同,
前言 这是我在古月居的第一篇文章,我想介绍一下我们组去年的参赛经历,以及整个做比赛的过程。内含干货,包括我们控制算法的设计思路等~~结尾我也会回答一下有些同学私聊我的问题。 正文 视频效果 话不多说,直接上视频。 第一个视频是拿到车模组装完成之后的效果,第二个就是我们在之后几个月里应用的最终方案,经过改善之后,能从肉眼看到差距之大了。包括电机的声音对吧
最常见的移动机器人模型,差速,麦克纳姆轮的全向,阿克曼车式等。 直道行驶--视觉 弯道行驶--视觉 全国大学生智能汽车竞赛-室外光电组无人驾驶挑战赛-2019 https://blog.csdn.net/ZhangRelay/article/details/89639965  
前言 系列教程一:仿真赛教程一 系列教程二:仿真赛教程二 相关教程:mit_racecar仿真教程 github项目地址:点个star呗,比完赛更新代码 base_footprint发布出错问题解决方案 这个问题的根本原因是官方车模和mit的车模的基准名字不同,mit_racecar是base_link而官方车模是base_footprint,那么聪明的你还没想到最最最简单的解决办法吗……修改官方
前言 上一节教程地址:室外光电仿真教程一 参考教程地址:https://www.guyuehome.com/6463 参考项目地址:点个star呗,都是免费教程 关于运动控制器 官方车模关节名字不同,你其实只需要把我的racecar包里面的racecar_control文件夹拷到你新建的工程下即可,然后修改一下画框内容适配官方车模: gedit ~/smartcar_ws/src/racecar_
前言 今天推出了官方的仿真文件,我也参与了部分仿真模型的设计,提供一个简单的参考思路。 模型下载地址 https://pan.baidu.com/s/1TFBTbCeyQMuKnxemCbyNSw 提取码: crm5 安装依赖工具 sudo apt-get install ros-kinetic-controller-manager sudo apt-get install ros-kinetic
前言 第一节:基于paddledetection在ROS中搭建红绿灯检测控制车模运动(1)—— 环境搭建准备以及软件安装第二节:基于paddledetection在ROS中搭建红绿灯检测控制车模运动(2)—— 数据集制作以及训练第三节:基于paddledetection在ROS中搭建红绿灯检测控制车模运动(3)—— 使用训练结果在ros中仿真红绿灯控制小车运动 项目地址 训练部分aistud
前言 本来想直接用百度智能车比赛的数据集训练,但是发现在ROS中搭建红绿灯模型和提供的数据集在颜色亮度外形上都有点差别… …无奈从创建数据集开始。第一节:基于paddledetection在ROS中搭建红绿灯检测控制车模运动(1)—— 环境搭建准备以及软件安装第二节:基于paddledetection在ROS中搭建红绿灯检测控制车模运动(2)—— 数据集制作以及训练第三节:基于paddledet
上期回顾: RT-Thread智能车目标识别系统连载教程——手写体识别模型 (1) RT-Thread智能车目标识别系统连载教程——训练卷积神经网络模型(2) RT-Thread智能车目标识别系统连载教程——运行卷积神经网络模型(3) RT-Thread智能车目标识别系统连载教程——Darknet 训练目标检测模型(4) RT-Thread智能车目标识别系统连载教程——连接 ROS 小车
上期回顾: RT-Thread智能车目标识别系统连载教程——手写体识别模型 (1) RT-Thread智能车目标识别系统连载教程——训练卷积神经网络模型(2) RT-Thread智能车目标识别系统连载教程——运行卷积神经网络模型(3) RT-Thread智能车目标识别系统连载教程——Darknet 训练目标检测模型(4) 引言 这篇文档主要介绍 RT-Thread 如何
上期回顾: RT-Thread智能车目标识别系统连载教程——手写体识别模型 (1) RT-Thread智能车目标识别系统连载教程——训练卷积神经网络模型(2) RT-Thread智能车目标识别系统连载教程——运行卷积神经网络模型(3) 前言 这篇文档会介绍如何用 darknet 训练一个 YOLOv2 目标检测模型,看完这篇文档会发现:模型训练和预测都非常简单,最花时
上期回顾: RT-Thread智能车目标识别系统连载教程——手写体识别模型 (1) RT-Thread智能车目标识别系统连载教程——训练卷积神经网络模型(2) 这一部分会介绍模型训练好之后要如何使用,也就是模型的推断过程 (Inference) 3.1 Python 导入模型并运行 我们先用 python 加载模型,看看用刚刚训练好的模型能不能进行很好
上期回顾:RT-Thread智能车目标识别系统连载教程——手写体识别模型 (1) 这里会介绍如何训练图像领域应用非常广的卷积神经网络 (Convolutional Neural Network)这一部分应当不会涉及到很多理论了,其实用 Keras 训练模型写起代码来非常简单,如果发现不太清楚代码为什么要这么写,可以看看上一部分对应的算子。 2.1 MNIST 手写体训练集 首先我们需要
前言 这篇文档非常长所以我们会分成5篇来连载,因为机器学习并不是纯软件开发,简单地调用库函数 API,需要有一定的理论支撑,如果完全不介绍理论部分,可能就不知道为什么模型要这样设计,模型出了问题应该怎样改善。不过文档如果写太长大家可能很难有耐心看完,特别是理论部分会有很多公式,但是机器学习确实又对 理论基础 和 编程能力 都有一些要求,相信坚持看下去还是会有很多收获的,我也尽可能把理论和应用都介绍
引言 本教程连载一辆能够用 ROS 控制的带摄像头的小车,用 ROS 发布图像数据,对获取到的图像进行处理,如目标检测。本篇文章主要介绍如何把本教程后面的内容汇聚起来,实现一个能目标检测的小车。 先归纳一下后续几篇文章的内容: 本篇几乎涉及了上面所有文章的内容是一个综合应用,大家可以根据之后的连载一步一步学起来。如果对上面的内容比较熟悉了,就会发现这篇文章很简短,但是却是建立在上面几
一、前言 之前的教程使用Python代码实现了四轮车的巡线,阿克曼模型确实在方仿真上效果都好多了,今天教大家将代码从python修改成cpp的,毕竟嵌入式程序还是以c语言为主,可以更好的移植到单片机上。修改代码这件事当然有个编译器的提示可以让我们达到事半功倍的效果啦,所以先讲解安装vscode这强大的ide来编写cpp代码。 二、安装vscode 2.1 安装Ubuntu make s
一、先看效果 [video width="854" height="480" mp4="https://www.guyuehome.com/Uploads/wp/2020/04/effect2.mp4"][/video] 二、导入地板模型 这个我之前的教程里面有,参考这里: 北邮智能车仿真培训(三)—— 给车舞台让它驰骋 只需要把my_ground_plane放到了.gazeb
一、前言 操作系统:ubuntu16.04 ROS版本:kinetic Gazebo版本:7.0.0 本文介绍在MIT的racecar模型基础上搭建slam,仿真实现2019年室外光电创意组比赛。 二、效果 [video width="1920" height="1080" mp4="https://www.guyuehome.com/Uploads/wp/2020/04/Fina
全国大学生智能车竞赛知识经验汇总
第三方账号登入
看不清?点击更换
第三方账号登入
QQ 微博 微信