[TOC] * 预装 Ubuntu 18.04 LTS Linux 系统 * 预装 ROS Melodic 机器人操作系统 * 预装 TianRacer ROS功能包 * 预装 机器人定位功能包 * 预装 Gmapping 地图构建功能包 * 预装 **VINS 单目视觉惯导SLAM**功能包 * 预置 **CUDA、TensorRT** * 预装 **Jetson Inference推理工具包** * 预装 **ROS Deep Learning ROS**功能包 * 配合 ROS2GO 可以实现**Cartographer地图构建**功能 ## 开发场景 RACECAR是一个开放的、完整的、安全的平台,将帮助汽车行业及自动驾驶领域的合作伙伴结合车辆和硬件系统,快速搭建一套属于自己的自动驾驶可以更快的研发、测试和部署自动驾驶平台。 ### 建图与导航(已部署) 通过对ROS机器人操作系统生态中的gmapping建图算法功能包、movebase路径规划功能包、amcl机器人定位功能包、以及TianRacer ROS支持功能包的整合,可以实现TianRacer 开发平台建立当前所在的环境地图,并根据指定的导航点,自主规划行动路径,并驱动车体抵达目标点,完成从地图构建到自主导航的功能。 ### 决策与规划 作为一个复杂软硬件结合系统,其安全可靠运行需要车载硬件、传感器集成、感知预测,以及控制规划多个模块的协同配合工作。最关键的部分是感知预测和决策控制规划的紧密配合。狭义上的决策规划控制部分,包含了无人车行为决策(behavior Decision)、动作规划(Motion Planning)、以及反馈控制(Feedback Control)这三个模块。 ### 障碍物检测识别 障碍物模块包括基于激光雷达点数据的障碍物检测识别、基于毫米波雷达数据的障碍物检测识别以及基于两种传感器的障碍物结果融合。基于激光雷达点数据的障碍物检测识别,通过线下训练的卷积神经网络模型、学习点云特征并预测障碍物的相关属性(比如前景物体 概率、相对于物体中心的偏移量、物体高度等),并根据这些属性进行障碍物分割。 ### 车道线检测识别 1.获取车行前方的原始图像并从原始图像中确定待检测区域;2.对待检测区域的图像进行逆透视变换;3.对逆透视变换后的图像进行车道线边缘增强处理;4从增强处理后的图像中筛选出候选点;5对筛选出得候选点进行分组;6对各组候选点分别进行拟合得到的拟合结果为各待检测车道线 7将拟合得到的待检测车道线反变换至原始图像空间。