比賽前一天，用6個laser進行試驗，其中上方三個雷達，專門用於掃瞄馬路邊緣資訊。第二天，用的是底下三個雷達。
雷達配置介紹：
底下三個雷達，主要是為了智慧型車在按導航軌跡行走的過程中，不碰撞到馬路邊緣，其中左右兩個雷達是為了檢測馬路邊緣的，但
有乙個不好的地方在於：這種配置離障礙物過近，會失效。有一段距離反而效果還行。
上方三個雷達，主要是用於馬路邊緣檢測。理論上講 用乙個8線足矣，但為了馬路邊緣識別效果顯著，故又增加兩個4線雷達。相當於16線雷射雷達，這樣跳變點個數會增加，便於檢測。使用的主要演算法ransac演算法，原理就是從不規則點集當中找到規則的模型。
上下雷達交錯的布局方式會帶來乙個問題：object檢測與跟蹤會出問題。有時候會造成誤判。而且，尤其是上下坡的過程中，尤其會出問題。
對於雷達延時的問題：官方解釋是，傳輸方面的問題。個人不敢苟同，但很有可能是上下雷達交錯配置造成的。
之前，之所以用雷達融合裝置，乙個好處在於我不用寫**去人為的矯正它，而只需要配置檔案即可。
關於雷達標定再囉嗦個兩句，最好找乙個牆去標定。讓兩個目標成為乙個目標即可。
關於64線雷射雷達：
多幀疊加程式未完成。
解析程式有問題，假如每幀資料13.3w個point，且每幀角度為1.08°，則 360/1.08 = 333圈。
障礙物檢測演算法改進：檢測平面。則平面以上全是障礙物。
跟蹤演算法沒搞定，用的是kalman，不過聚類演算法有問題。
對於三維資料的分類，最近鄰失效，用k-means,建議先用k-means，然後再用最近鄰，找到聚類之後的障礙物簇的質心。質心的選取很重要。
64線雷射雷達，還可以做車道線識別，主要用多幀疊加實現，可以認為是區域性slam，後期會把此演算法細化。必須搞清楚。
關於開題：馬路邊緣檢測演算法的難點在哪？
資訊量的多少。
是否利用導航資訊。當導航資訊無效怎麼辦？
雷射雷達的選取。
下面我談談個人的感受：
1、8線雷射雷達若是不利用導航資訊，光用8個跳變點做邊緣檢測。分兩種情況：假定車與邊緣在乙個角度內，檢測結果可以接受。假定車在彎道內，曲率不是很大的時候可以檢測，曲率大則不行。
2、8線雷射雷達，若是利用導航資訊，且導航資訊有效的情況下，做多幀疊加，效果很好。把前n幀資料投影到當前幀下，然後進行邊緣檢測
3、64線雷射雷達，無論利不利用導航資訊，其檢測效果都還可以，主要原因是因為它的覆蓋面很廣。總共有64層。我們在資料集中可以體現出來。
4、64線雷射雷達，利用導航資訊，我們可以做車道線識別，這個不受光線影響，這個效果還不錯。有待研究。
近兩周工作總結
十一前開始做人臉識別，經過近乙個月的奮戰，現在終於整出來一點東西，雖然還有很大的改進空間，但是在這裡也為自己小小的慶祝一下。乙個人整出點東西來，著實不容易啊。有時候碰到點問題，真是不知道該怎麼辦，還好，現在的網路很發達，能夠學到很多東西。我是用adaboost haar做出來的，在接觸adaboos...
兩周工作總結與反思
1.如何通過jquery控制div的顯示與隱藏？我的做法 給要控制的div設定id id 1 顯示div id 2 隱藏div 在js 裡進行顯示和隱藏的控制 function controldiv 2.頁面未載入成功，是什麼原因造成的呢？現象 邏輯都正確，就是控制項重新整理不出來。可能原因 1.j...
入職兩周工作總結
從3月24號入職到今天差不多兩周時間，其實每天都有很多收穫，只能想到 寫 了。那就先從主函式開始吧，主函式首先都是一些初始化配置 註冊資訊，然後就建立乙個接收執行緒，最後在while迴圈建立訊息佇列處理資訊。大體看上去還是不難理解的，其核心也就是資訊處理這塊，深入進去分析就很痛苦了。首先我通過跟 整...