REPOZYTORIUM PROJEKTU
Ten blog składa sie z następujących wpisów: – Wprowadzenie “Model pojazdu do badań nad autonomią” – Opis konstrukcji “Etapy budowy platformy modelu” – Modelowanie “Aktualizacja położenia w oparciu o model i metoda wyznaczania trajektorii ruchu” – Pierwsze przejazdy “Surowe wyniki i wyznaczanie trajektorii w postprocesingu” – Jak rośnie błąd trajektorii? Ackermann‑predict w praktyce czyli Rachunek niepewności i propagacja błędu w modelu ruchu – Testy dokładności “Pierwsza seria ćwiczeń. Przejazdy po torze modułowym i weryfikacja szacowania pozycji” – Przejazd z kamerą czyli “co możemy odczytać ze zdjęć” – Korekta obrazu “Metody tworzenia bird’s eye view (BEV)” – “Wykrywanie pasów ruchu w BEV (bird’s eye view)” – Map fitting, co to jest i dlaczego to “nie działa”? - “Kamera jako czujnik położenia” – Kiedy trajektoria wreszcie może się poprawić? “SLAM offline” Jeśli mój projekt Cię zaciekawił …
SLAM offline
Kiedy trajektoria wreszcie może się poprawić?
Kamera jako czujnik położenia
Map fitting, co to jest i dlaczego to “nie działa”?
Wykrywanie pasów ruchu w BEV (bird’s eye view)
Metoda, kompromisy i przygotowanie pod mapę
Korekta obrazu (bird’s eye view)
Po co nam to potrzebne?
Przejazd z kamerą
ArduCAM IMX219 Wide Angle Camera Module
Skalibrowana mata i pasy 3D — testy dokładności
Pierwsza seria ćwiczeń. Przejazdy po torze modułowym i weryfikacja szacowania pozycji
Jak rośnie błąd trajektorii? Ackermann‑predict w praktyce
Rachunek niepewności i propagacja błędu w modelu ruchu (Ackermann‑predict)