自动驾驶7-2 最终项目概述 Final Project Overview
您现在已经看到了Carla的一些功能，希望您有 机会下载模拟器并开始自己尝试。 现在我们已经有了一个工作模拟环境， 您已准备好开始实施和测试 您在本课程中学到的概念。 让我们来看看你将要完成的 本课程的最后一个项目。
在此项目中, 您将实现一个简单控制器 通过Python,并使用它在Carla的轨道周围内驾驶汽车。 该轨道是此图所示的循环。 您将获得一个在此轨道上等距间隔的航点的排序列表。 航点包括他们的位置以及车辆应达到的速度。 因此，航点成为控制器的参考信号， 并导航到所有航路点，有效地完成了整个航迹。 由于控制器参考包含位置和速度, 您将需要实现纵向和横向控制。 您可能需要参考 纵向控制和横向控制模块，在开始项目之前。 控制器的输出将是车辆油门， 驻车器和转向角度命令。 油门和刹车将来自 您的纵向速度控制，转向来自您的横向控制。
确保尽可能采用简单的控制器设计， 如果您的车辆没有按预期跟踪路径，则只会增加复杂性。 当然, 一旦你有了一个能用的控制器, 不要犹豫，突破极限，看看它在赛道上真正能做些什么。 那么，您打算如何为此项目构建代码？ 我们为您准备了一个启动脚本，这样您就不必担心任何 Carla实现细节，您可以 专注于对控制器本身进行编程。 果打开模拟器目录并导航到Course one final project文件夹， 您会看到名为controller2d.py的文件。 这就是您将用作课程项目的起点。 当您打开此文件时， 您将看到通过Python类实现的车辆控制器。 该类包含与实现控制器相关的所有信息。 车辆状态，期望航路点，期望速度 和控制器输出存储在准备使用的变量中。 该类还包含将直接与Carla连接的函数。 这些功能将不断更新 车辆状态并将控制器输出发送给Carla， 使您可以专注于控制器实施。
现在，您可能想知道如何 评估您的代码以及如何为此项目获得成绩。 运行控制器后， 将生成一个文本文件，记录车辆的整个轨迹。 此文件名为trajectory.txt，它位于控制器输出子文件夹中。 控制器的性能将根据此轨迹进行分级。 我们将使用Coursera平台来检查您的代码。 它将绘制您的航路点，车辆轨迹 和车辆速度与所需速度的对比。 每个航路点都有一个距离和速度阈值，以绿色显示。 认为成功到达航路点， 如果车辆轨迹在两个阈值内。 评分脚本会告诉您 成功达到的分数，如果达到一半以上， 您将通过评估。 一旦您的轨迹通过了评分脚本， 您就可以将轨迹文本文件上传到Coursera以供正式完成。
您现在拥有了所需的一切，以便实现 您的第一个控制器并在仿真中进行测试。 这是开发自动驾驶汽车的一大步， 也是您在现场看到的基本情景。 如果您在本视频中有任何我未回答的问题， 本模块的阅读材料中还有其他说明， 您也可以随时在论坛中提问。 我希望你能在这个最终项目中获得乐趣。并且我会再次见到您， 一旦您完成课程。祝好运。
参考
https://www.coursera.org/learn/intro-self-driving-cars/lecture/Ui266/lesson-2-final-project-overview
自动驾驶7-2 最终项目概述 Final Project Overview相关推荐
- 自动驾驶系统进阶与项目实战（四）自动驾驶高精度地图构建中的三维场景识别和闭环检测
自动驾驶系统进阶与项目实战(四)自动驾驶高精度地图构建中的三维场景识别和闭环检测 闭环检测(loop-closure detection)是SLAM中非常关键的一部分,当然也是自动驾驶高精度地图(HD ...
- 自动驾驶系统进阶与项目实战（三）基于全卷积神经网络的点云三维目标检测和ROS实战
自动驾驶系统进阶与项目实战(三)基于全卷积神经网络的点云三维目标检测和ROS实战 前面入门系列的文章中我介绍了几种点云三维分割/目标检测模型,在做点云预处理上,有通过球面投射(SqueezeNet)得 ...
- 自动驾驶系统进阶与项目实战（十）基于PointPillars的点云三维目标检测和TensorRT实战（1）
自动驾驶系统进阶与项目实战(十)基于PointPillars的点云三维目标检测和TensorRT实战(1) 发表于CVPR2019的PointPillars是目前比较受业内认可的激光雷达三维检测算法, ...
- 自动驾驶系统进阶与项目实战（九）基于行锚框和全局信息的深度学习车道线检测方法
自动驾驶系统进阶与项目实战(九)基于行锚框和全局信息的深度学习车道线检测方法 目前多数基于深度学习的车道线检测方法通常把车道线的识别问题处理为车道线像素分割问题,单纯的像素级语义分割模型的推理的实时性 ...
- 自动驾驶系统进阶与项目实战（八）面向自动驾驶的高精度地图框架解析和实战
自动驾驶系统进阶与项目实战(八)面向自动驾驶的高精度地图框架解析和实战 前面聊了一些如何制作较大规模的点云地图以及如何使用点云地图进行定位的方法,点云图是高精度地图的一部分,主要用于配准定位和作为高精 ...
- Uber AVS 自动驾驶可视化工具（二）XVIZ之Overview
Uber AVS 自动驾驶可视化工具 (二)XVIZ之Overview Overview Introduction Main Features XVIZ Protocol Specification ...
- 爆料：曹旭东创立自动驾驶公司Momenta 首次公开项目细节
之前一直盛传曹旭东从商汤科技离职创业的消息,今天这个消息正式坐实.曹旭东向雷锋网表示,其离职创业的项目叫做Momenta,团队核心成员包括曹旭东(CEO),孙刚(研发总监),任少卿(研发总监),夏炎( ...
- 数字孪生技术在自动驾驶测试领域的应用研究概述
来源:汽车测试网 作者:王庆涛 周正等 摘 要: 研究数字孪生技术在自动驾驶测试领域的应用.旨在构建高度开放的数字孪生自动驾驶测试平台,结合仿真测试工具.通信设备.真实测试车辆等功能单元,形成丰富的测 ...
- 发改委：加速布局车联网与自动驾驶
发改委网站5日消息,近日,为深入贯彻落实<国务院关于积极推进"互联网+"行动的指导意见>(国发[2015]40号),国家相关部门联合发布<推进"互联网+ ...
- 全球自动驾驶汽车发展指数哪家强？美德领衔，中国第七
来源:新智驾 近日,罗兰贝格与德国著名汽车研究机构亚琛汽车工程技术有限公司共同发布<2017年第四季度全球自动驾驶汽车发展指数>报告,基于行业和市场两个维度,对全球主要汽车大国在自动驾驶领 ...
最新文章
- 使用Restful、Guns、SpringBoot实现前后端分离
- python输入三个数输出最小值_python之输入一系列整数输出最大值
- 线谱法 时钟分量的提取 matlab,LMD局域均值分解的matlab程序及示例
- 通过组织发展来推动组织变革
- 历史数据导出excel_在数据产品中对导出功能的思考
- HDU2588 欧拉函数
- java带圈数字，小1，小2
- 奇点云完成8000万元B2轮融资，加速云原生技术布局
- 常见软件设计原则总结
- Windows 下使用anaconda虚拟环境pip install 安装pytorch出现报错There was a problem confirming the ssl certificate
- 【关于我第一次上python课的感想】
- The SwiftProgramming Language读书笔记第26页
- 漫步数学分析二十三——级数的积分与微分
- arcmap中图斑面积代表_【干货】ArcGIS四种计算图斑面积的方法
- 金立拍卖211宗外观设计专利 起拍价2.11万元
- 2021年10款优质Chrome浏览器插件推荐
- 端口扫描器（masscan）
- Elastix GOIP 网关配合
- 解决iOS的H5页面卡顿以及键盘回落后留白问题
- python-Beautiful rose